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 > 基于模拟退火算法的机器人路径规划与研究
侵权投诉

基于模拟退火算法的机器人路径规划与研究

科技广场2011.1

2.3模拟退火算法的具体实现

设S={,S2,…,Sn}为所有可能的组合所构成的集合,E:S→R为非负目标函数,E(Si)为路径总能量,而E(Si)≥0反映取状态Si为解的代价,则组合优化问题可表述为寻找S*∈S,使E(S*)=minE(Si),S*∈S。该算法的基本思想为:把每种组合状态又看成某一物质体系的微观状态,而E(Si)看成该物质体系在Si状态下内能并用控制参数T表示此状态下的温度。让T从一个足够高的值慢慢下降,对每个T,用Metropolis抽样法在计算机上模拟该体系在此T下的热平衡态,即对当前状态S做随机扰动产生一个新状态S',计算增量△E'=E(S')-E(S),并以概率exp(-△E/KT)接受S'作为新的当前状态。当重复地如此随机扰动足够次数后,状态S'出现为当前状态的概率将服从Boltzmann分布,即

,其中

,而k为波尔兹曼常数。

各步;

第二步:按某一规定的方式根据当前解S(k)所处的状态S,产生一个近邻子集N(S(k))奂S,N(S(k))≠φ(它可以包括S,也可以不包括S,由N(S(k))随机地得到一个新的状态S'作为下一个当前解的候选解,且△E'=E*S'-E(S(k))计算);

第三步:若△E'<0,则接受S'为下一个当前解,若△E'>0,随机产生数α∈random(0,1)。若接收概率exp(-△E/kt)>α,则接受S'为下一个当前解。若S'被接受,则令S(k+1)=S',否则令S(k+1)=S;

第四步:k=k+1,由某个给定的收敛准则检查算法是否应停止,是,转向第五步;否,转向第二步;

第五步:将当前解S(k)返回调用它的AP算法。3结束语

具有高度自主性的自学习移动机器人系统,使移动机器人成为完全自主的实体,必须对周围环境有详尽和完备的描述,并且移动机器

基于模拟退火算法的机器人路径规划与研究

人

基于模拟退火算法的机器人路径规划与研究

应

基于模拟退火算法的机器人路径规划与研究

具有

基于模拟退火算法的机器人路径规划与研究

良好的定位精度、优化的路径规划和较高鲁棒性的避障行为。就目前来看该目标很难实现,一般的移动机器人为半自主式机器人或特定环境下的自主机器人,这也是当今移动机器人研究的一大热点。参考文献

[1]徐国华,谭民.移动机器人的发展现状及其趋势[J].机器人技术与应用,2001,(2):7-13.

[2]刘国良,强文义.移动机器人信息融合技术研究[J].哈尔滨工业大学学报,2003,35(7):802-805.

[3]王耀南.机器人智能控制工程[M].北京:科学出版社,2004.

[4]QianX,WangB.Amodifiedadaptivetrackfusionap-proachintheProceedingsoftheFifthInternationalConferenceonInformationFusion.2002:1535-1541.作者简介

徐鹏(1985—),男,江西蓝天学院教师,2009年毕业于武汉大学,主要研究方向:人工智能。

为方便起见,将k吸收于中。若T下降的足够慢,且T趋近当前状态将具有最小E(Si)的状态。于0,

模拟退火算法可分为Metropolis抽样算法和退火过程算法两个部分,其具体内容分别如下:

(1)退火过程实现算法

第一步:任选一初始状态S0作为初始当前解S(0)=S0,并设初始温度T0,并且i=0;

第二步:令T=Ti,以T和Si调用Metropolis抽样算法,返回其最后所得到的当前解S作为本算法的当前解Si,=S;

第三步:按Ti+1<T,i=i+1;

第四步:检查退火过程是否基本结束,是,转向第五步,否,转向第二步;

第五步:以当前解Si作为最优解输出,停止结束(2)Metropolis抽样算法。用AP算法调用当前解S和T的过程如下:

第一步:令k=0时的当前解为S(0)=S,在T下进行以下

方式,将T降温,即T=Ti+1,

A

上一页第3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