基于时变适应度函数的改进粒子群算法及其在移动机器人路径规划中的应用.pdf

《基于时变适应度函数的改进粒子群算法及其在移动机器人路径规划中的应用.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、第27卷第12期2010年12月计算机应用研究ApplicationResearchofComputemV01．27No．12Dec．2010基于时变适应度函数的改进粒子群算法及其在移动机器人路径规划中的应用书蒲兴成8，张军6，张毅“‘(重庆邮电大学a．数理学院；b．自动化学院，重庆400065)摘要：针对粒子群算法在解空间盲目搜索的缺点，提出一种基于时变适应度函数的改进粒子群路径规划算法。该算法有效地将人类搜索经验与粒子群算法相结合，利用神经网络描述环境约束和距离信息，并构造粒子的适应度函数，从而该算法

2、在迭代过程中可以利用权值的改变合理地调整适应度函数。这样，新算法在寻优过程中能够先确定路径方向，然后逐步提高路径安全性。将该算法应用于机器人路径规划，与标准的粒子群算法相比，数值仿真结果表明，改进算法具有较强的寻优能力和实时性。关键词：路径规划；神经网络；粒子群优化算法；时变适应度函数中图分类号：TP24文献标志码：A文章编号：1001·3695(2010)12-4454—03doi：10．3969／j．issn．100l-3695．2010．12．015Pathplanningmethodformobi

3、lerobotbasedonparticleswarmoptimizationwithtime—varyingfitnessfunctionPUxiIIg—cheng"，ZHANGJun“，ZHANGYi“(“CollegeofMathematics＆Physics．b．CollegeofAutomation，ChongqingUniversityofPosts&Telecommunications，Chongqing400065，China)Abstract：Tosolvetheshortcomings

4、ofblindsearchinthesolutionspaceofparticleswamioptimization，thispaperproposedanewpathplanningalgorithmbasedonPSOwithtime-varyingfitnessfunction．Thenewalgorithmcouldcombinehumanexpe—fiencewithPSOeffectively，anditcouldconstructthefitnessfunctionwiththeinform

5、ationofenvironmentconstraintandpathlengththroughneuralnetwork，hence，thenewalgorithmcouldadjustthefitnessfunctionbychangingweightedvalues．Thenewalgorithmcoulddeterminedirectionfirst，bythisway，itcouldimprovethesafetyofthepathgradually．Applyingthisnewalgorit

6、hmtOrobot’spathplan，simulationresultsshowthatthenewalgorithmownbettersearchabilityandreal—timeperform-anteinsolvingthepathplanningproblemcomparedwithPSO。Keywords：pathplanning；neuralnetwork；particleswal'moptimizationalgorithm(PSO)；time—varyingfitnessfuncti

7、on0引言移动机器人路径规划问题是机器人领域核心问题之一⋯。路径规划可定义为机器人在有障碍物的工作空间中按照某种评价标准寻找一条安全无碰撞路径。根据机器人对工作空间环境信息的已知程度，路径规划问题可被分为全局路径规划与局部路径规划。全局路径规划是基于环境先验信息的，即在环境信息是全局完全已知的情况下，通过离线的方式进行规划，并优化路径的长度、安全性及平滑度等性能指标，以求出最优路径。全局路径规划包括环境建模和路径搜索策略两个子问题。针对全局路径规划问题，国内外学者作了大量研究，提出了许多算法，其中应用较多

8、的有人工势场法、可视图法B1等。各种方法均有各自的优势和不足，如人工势场法具有计算量小、实时性好的特点。但由于陷阱区的存在可能导致规划失败。可视图法假设机器人的尺寸大小忽略不计，会使机器人通过障碍物顶点时离障碍物太近甚至接触，并且搜索时间长。虽然该方法可以求得最短路径，但一旦机器人的起点和目标点发生改变，就要重新构造可视图，比较麻烦，缺乏灵活性，同时存在组合爆炸问题。粒子群算法(PSO)是Kennedy等人¨1于1995年提出