文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 城乡/园林规划 > 一种复杂环境下的移动机器人路径规划方法
侵权投诉

一种复杂环境下的移动机器人路径规划方法

一种复杂环境下的移动机器人路径规划方法

 第29卷第6期

 2009年12月杭州电子科技大学学报Journal of Hangzhou Dianzi UniversityVol.29,No.6 Dec.2009 

一种复杂环境下的移动机器人路径规划方法

方景龙,陈建胜

(杭州电子科技大学图形图像研究所,浙江杭州310018)

摘要:,

域划分为若干个子区域,。

:;;;深度优先搜索

:T文献标识码:A     文章编号:1001-9146(2009)06-0033-04

0 引 言

移动机器人是机器人技术中的一个重要领域,已经被广泛应用在军事、工业、农业和教育等领域。路径规划问题是移动机器人的核心问题之一,它直接影响机器人完成任务的质量。粒子群优化算法[1](ParticleSwarmOptimization,PSO)是一种智能演化算法。把PSO用在路径规划中是一个新的尝试[2-7]。在文献2中,用链接法描述环境信息,先用Dijkstra算法从链接图中获得最短路径,然后再用PSO对该路径进行优化。该算法将PSO应用于二次优化,没有发挥PSO的全局寻优能力。文献3在PSO的适应值函数中加入了障碍物躲避参数,使得机器人可以有效地避开障碍物。上面提到的都是PSO在全局路径规划中的应用,文献4改变适应值函数使得机器人在局部路径规划中可以成功地躲避障碍物而到达目标点。然而这个方法只能用在简单的环境中,不能帮助机器人躲避环境陷阱,如路径必须返回。文献5提出了一种基于极坐标粒子群(PolarParticleSwarmOptimization,PPSO)的路径规划方法。虽然这个方法可以帮助机器人躲避一些环境陷阱,但它在更复杂的环境中,如障碍物太大的时候就会失效。为了克服这种缺陷,本文在PPSO中加入了深度优先搜索,提出了一种深度优先搜索和极坐标粒子群优化算法(Depth-firstPolarParticleSwarmOptimization,D-PPSO)相结合的路径规划方法。使用这种方法,机器人可以在复杂环境中有效地找到一个无碰撞的路径,最终到达目标点。

1 粒子群优化算法

粒子群优化算法是一种基于随机优化的种群技术。在粒子群优化算法中,粒子的位置(x)表示问题的可能解。粒子有速度(v),速度在搜索空间中随机地初始化。对最优化位置(最优解)的搜索就是通过更新粒子的速度来实现的。在每次迭代中,更新的速度用来更新粒子的位置。在每次迭代中,每个粒子位置的选择是根据适应值估计函数来决定的。粒子速度的更新取决于两个“最好”:第一个最好是一个粒子能找到的最好位置,叫做pBest;当粒子们移动了一段距离时,就会有一个粒子的位置比其他粒子都要好,这个位置就是gBest。假设PSO系统的维数是D,粒子i的位置可以表示为xi=(xi1,xi2,…,xiD),速度表示为vi=(vi1,vi2,…,viD)。

收稿日期:2009-09-15

作者简介:方景龙(1964-),男,江西景德镇人,研究员,模式识别与支持向量机.

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email