基于改进生物启发神经网络的机器人目标搜索方法
2018-05-09张智彤倪建军莫正佩
计算机与现代化 2018年4期
张智彤,倪建军,莫正佩
(河海大学物联网工程学院,江苏 常州 213022)
0 引 言
针对未知环境中目标搜索的问题,国内外的学者做了大量的研究。戴良军等[1]提出了协同搜索策略,并分析了分区域搜索和横队平行搜索的优势与不足。肖潇等[2]提出了一种结合全区域搜索与动态模板匹配的未知环境中目标搜索方法,与常规的覆盖搜索算法[3]相比,可以不受起始位置影响,具有较好的避障能力,但该方法仍属于覆盖搜素,尽管具有较强的鲁棒性,但搜索时间和空间的开销太大,搜索效率不高。为了降低搜索代价,Aydemir等[4]提出了一种间接搜索的方法,即首先搜索与目标有关的“中间对象”,然后根据关联关系对目标进行搜索。该方法由于利用了目标关联信息,在一定程度上可以提高搜索效率,但通常间接关系很难确定,同时对间接目标的搜索也很困难。动态目标搜索问题的最优解很难通过理论方法得到其解析形式。在动态搜索问题中,最主要的难题在于搜索过程中搜索者会逐步退化,导致对环境的探索能力降低。在动态目标搜索中,任何关于目标运动行为的先验知识都将对预测目标有极大的帮助。当目标的运动模型完全已知时,称其为“确定性”搜索问题,对导弹的航迹追踪即为经典确定性跟踪问题。当目标的运动模式可以用一类包含随机变量的模型表示时,称其为“概率性”搜索问题[5]。关于此类问题的研究通常采用递归贝叶斯估计模型更新目标在空间中的概率分布,逐步获得目标的准确位置[6-8]。……
登录APP查看全文
