基于改进人工鱼群算法的机器人路径规划.pdf

《基于改进人工鱼群算法的机器人路径规划.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文章编号：1006—9348(2016)12—0374—06基于改进人工鱼群算法的机器人路径规划张文辉，林子安，刘彤，张延豪(桂林电子科技大学，广西桂林541004)摘要：在人工鱼群算法智能仿生应用于机器入路径规蜊中，为提高规划的求锯速度、降低规划路径长度，存在算法后期收敛速度降低和易陷入局部最优解的缺点。为此在上述算法的基础上，引入方向算子来提升觅食、聚群和追尾三种鱼群行为的准确度和成功率，增加免疫记忆操作来提高算法的全局搜索能力并减少局部极值出现的概率。在两种典型栅格地图环境下的仿真结果表明，免疫一方向性人工鱼群算法IDAFSA(Immune—DirectionalArti

2、ficialFishSwarmAlgorithm)算法与快速遗传算法(FGA)[2]和常规人工鱼群算法(AFSA)[6]相比，具有更好的结果稳定性、更短的计算时间和更接近最优路径的可行解。关键词：人工鱼群算法；机器人路径规划；免疫算法中图分类号：TP24文献标识码：BRobotPathPlanningMethodBasedonModifiedArtificialFishSwarmAlgorithmZHANGWen—hui，LINZi—an，LIUTong，ZHANGYan—hao(GuilinUniversityofElectronicTechnology，GuilinGuan

3、gxi541004，China)ABSTRACT：ForsolvingtheproblemssuchasthelongpathlengthandtheslowcalculationspeedinRobotpathplanning，weincreasedadirectionaloperatortoeverysinglefishduringtheprey，swarmandfollowbehavior．Atthesametime，weputtheimmunealgorithmintoArtificialFishSwarmAlgorithm(AFSA)，andimprovetheglo

4、balsearchabilityandenhancetheabilityavoidinglocalsolution．ThetwogridmapsimulationsshowthatcomparingIm—mune—DirectionalArtificialFishSwarmAlgorithm(IOAFSA)withtheFastGeneticAlgorithm(FGA)andordinaryAFSA，theimprovedAlgorithmhasbetterglobalsearchcapability．AndithasownadvantagessuchashighSuccess

5、rate，lessalgebraicconvergence，fastconvergencespeed，fantasticreal—timeperformance，stablealgorithm，and埘tIlthealgorithm．verygoodpathcanbeproducedwithinanacceptabletime．KEYWORDS：Artificialfishswarnlalgorithm；Robotpathplanning；Immunealgorithm1引言路径规划作为移动机器人导航关键技术之一受到广泛重视。机器人路径规划是在一定环境下，满足一定的优化准则，如

6、工作代价最小、行走路线最短、行走时间最少或能量消耗最少等标准，在运动空间中找到一条从起始状态到目标状态、可以避开障碍物的最优或者接近最优的路径⋯。传统优化方法，如人工势场法、可视图法和栅格法等，在机器人路径基金项目：广西教育厅科研项目(201403YB021)；广西高校图形图像智能处理重点实验室(GIIP201407)；广西研究生教育创新项目(2014105950812M25)收稿日期：2016一01—30----——374---——规划这类复杂非线性优化问题中缺乏足够的鲁棒性。随着人工智能技术的不断发展，神经网络算法、遗传算法、粒子群算法和人工鱼群算法等智能仿生路径规划算法得

7、到应用，已取得一系列研究成果，形成一系列典型规划算法。J．Lee【2J引入遗传算法，在自然选择过程中采用两种评估函数，得到了一种简单环境下的快速遗传算法(FastGeneticAlgorithm，FGA)。实验表明该算法能满足实时性的要求，但是路径长度偏长。莫宏伟口。在粒子群优化算法(ParticleSwarmOpti—mization，PSO)基础上，引入生物地理中迁移算子之间的信息共享解决方案，将仿生优化(Biogeography—basedOptimiza—tion，BBO)思想与之结