基于改进蚁群算法的移动机器人路径规划问题研究

基于改进蚁群算法的移动机器人路径规划问题研究

论文摘要

移动机器人路径规划是机器人技术中一个重要的研究领域,具有复杂性、约束性、非线性等特点。多年来路径规划算法的研究方兴未艾,现有优化算法在解决复杂环境路径规划问题时常伴有鲁棒性差、非最优、效率不高等不足。鉴于蚁群算法自身特点及其对解决离散域组合优化问题的强大优势,本文顺应路径规划算法智能化仿生化的发展趋势,研究设计出了两种新型改进蚁群算法,并应用他们成功地解决了移动机器人路径规划问题,取得了预期的良好效果。论文主要研究工作如下:首先,应用栅格法建立了移动机器人二维和三维栅格环境,针对传统可行路径评价函数的不足,在充分分析不同环境特点的情况下,分别建立了适用于静态和动态环境下的可行路径评价函数。其次,对基本蚁群算法的各参数进行了仿真实验测试,总结归纳出了各参数对算法性能的影响以及相应的设定范围,以便作为后期方法设计的指导,同时给出了基于最短路径的基本蚁群算法的收敛性分析。再次,针对基本蚁群算法搜索收敛速度慢,易陷入局部最优的缺陷,从算法自身和算法混合两个角度,研究设计出了模糊自适应窗口蚁群优化算法FWACO和差分进化混沌蚁群优化算法DECACO,并通过标准TSP问题验证了算法全局寻优能力得到较大提高,算法搜索收敛速度得到较大改善。最后,将FWACO和DECACO应用到移动机器人路径规划问题。利用MATLAB分别对二维和三维环境下的各种不同路障环境进行了大量的仿真研究,取得了良好的实验效果。对于多障碍物复杂环境空间,两种改进算法体现了较强的鲁棒性,较强的全局优化能力,较快的收敛速度,算法复杂度适中效率较高,同时对于不同路障环境又有各自优势,能够较好较快地完成多障碍物复杂环境空间的路径规划任务。

论文目录

  • 摘要
  • 英文摘要
  • 第1章 绪论
  • 1.1 课题研究的背景和意义
  • 1.2 机器人路径规划的研究现状
  • 1.2.1 移动机器人研究概述
  • 1.2.2 机器人路径规划研究现状
  • 1.3 蚁群算法的研究现状与发展趋势
  • 1.3.1 蚁群算法的研究现状
  • 1.3.2 蚁群算法的发展趋势
  • 1.4 本文的主要工作
  • 第2章 机器人路径规划环境模型的建立
  • 2.1 环境建模概述
  • 2.1.1 栅格法
  • 2.1.2 几何法
  • 2.1.3 拓扑法
  • 2.2 栅格法建模
  • 2.2.1 二维环境建模
  • 2.2.2 三维环境建模
  • 2.3 可行路径评价函数的设计
  • 2.3.1 静态环境下的评价函数
  • 2.3.2 动态环境下的评价函数
  • 2.4 本章小结
  • 第3章 蚁群算法参数实验与收敛性分析
  • 3.1 蚁群算法概述
  • 3.1.1 蚁群算法原理分析与数学模型
  • 3.1.2 蚁群算法特点与评价指标
  • 3.2 蚁群算法参数实验分析
  • 3.2.1 算法模型的选择
  • 3.2.2 蚂蚁数量的选择
  • 3.2.3 信息素强度的选择
  • 3.2.4 核心参数的选择
  • 3.3 基于最短路径的基本蚁群算法收敛性分析
  • 3.4 本章小结
  • 第4章 改进算法FWACO与DECACO的设计
  • 4.1 算法改进的总体描述
  • 4.2 模糊自适应窗口蚁群优化算法(FWACO)的设计
  • 4.2.1 FWACO算法的设计
  • 4.2.2 FWACO算法流程
  • 4.3 差分进化混沌蚁群优化算法(DECACO)的设计
  • 4.3.1 DECACO算法的设计
  • 4.3.2 DECACO算法流程
  • 4.4 仿真测试
  • 4.5 本章小结
  • 第5章 基于FWACO与DECACO的机器人路径规划
  • 5.1 基于改进蚁群算法的机器人路径规划总体方案设计
  • 5.2 基于FWACO与DECACO的机器人路径规划算法设计
  • 5.2.1 改进蚁群算法基本环节的处理
  • 5.2.2 基于FWACO的路径规划算法设计
  • 5.2.3 基于DECACO的路径规划算法设计
  • 5.3 基于FWACO与DECACO的机器人路径规划仿真实验
  • 5.3.1 二维栅格环境路径规划
  • 5.3.2 三维栅格环境路径规划
  • 5.3.3 仿真实验结果总结
  • 5.4 本章小结
  • 第6章 总结与展望
  • 6.1 工作总结
  • 6.2 前景展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  

    基于改进蚁群算法的移动机器人路径规划问题研究
    下载Doc文档

    猜你喜欢