基于改进混合蛙跳算法的移动机器人路径规划-论文.pdf

《基于改进混合蛙跳算法的移动机器人路径规划-论文.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、JournalofComputerApplicationsISSN1001．90812014—10．10计算机应用，2014，34(10)：2850—2853，2885CODENJYIIDUhttp：／／www．joca．an文章编号：1001—9081(2014)10—2850—04doi：10．11772／j．issn．1001-9081．2014．10．2850基于改进混合蛙跳算法的移动机器人路径规划潘桂彬’‘，潘丰，刘国栋(江南大学物联网工程学院，江苏无锡214122)(通信作者电子邮箱cslgpgb@126．con)摘要：针对

2、混合蛙跳算法(SFLA)进行路径规划时易陷入局部最优且寻优效果较差的问题，提出一种改进的SFLA。改进算法在原算法的更新策略中引入欧氏距离和种群最优蛙，并提出一种带可调控制参数的产生新个体的方法代替原本的随机更新操作。把路径规划问题转换为最小化问题，基于环境中目标和障碍物的位置定义青蛙的适应度，机器人依次到达每次迭代中最好蛙的位置，从而实现最优路径规划。移动机器人仿真实验中，与其他算法相比，改进后的算法成功次数由82提高到98，规划时间由9．7S减少到5．3S。实验结果表明，改进算法具有较强的安全性和寻优性能。关键词：混合蛙跳算法；路径

3、规划；更新策略；适应度；移动机器人中图分类号：TP242．6文献标志码：APathplanningformobilerobotsbasedonimprovedshufledfrogleapingalgorithmPANGuibin。，PANFeng，LIUGuodong(SchoolofInternetofThingsEngineering,JiangnanUniversity,WuxiJiangsu214122，China)Abstract：TosolvetheproblemsthattheShuffledFrogLeapingAlg

4、orithm(SFLA)pathplanningiseasytofallintolocaloptimaandoptimizationeffectispoor，animprovedSFLAwasproposed．Euclideandistanceandthebestfrogofthepopulationwereaddedintotheoriginalalgorithm’Supdatestrategy，andamethodtogenerateanewindividualwithaadjustablecontrolparameterinste

5、adoftheoriginalrandomupdateoperationwasproposed．Thispaperfirstlytransformedtheproblemofrobotpathplanningintoaminimizationone，andthendefinedthefitnessofafrogbasedonthepositionoftargetandobstaclesintheenvironment．Therobotselectedandreachedthepositionofthegloballybestfrogin

6、eachiterationsuccessivelytorealizetheoptimalpathplanning．Inthemobilerobot’Ssimulationexperiment，comparedwithotheralgorithms，thesuccesses’numberoftheimprovedalgorithmwasincreasedfrom82to98．andthepathplanningtimewasdecreasedfrom9．7sto5．3S．Theexperimentalresuhsshowthattheim

7、provedalgorithmhasstrongersecurityandbetteroptimizationperformance．Keywords：ShuffledFrogLeapingAlgorithm(SFLA)；pathplanning；updatestrategy；fitness；mobilerobot2003年，美国学者Eusuf和Lansey为解决组合优化问题0引言最先提出了混合蛙跳算法(ShufledFrogLeapingAlgorithm，路径规划是实现移动机器人导航和控制的最基本环节之SFLA)，作为一种新型的仿生

8、物学智能优化算法，它结合了基一，其主要任务是在机器人的运行环境中寻找一条从起点到于模因进化的模因演算法(MemeticAlgorithm，MA)和基于群目标点的无碰撞路径，使机器人沿着该路径运行至终点时指体