采用生物地理学算法的移动机器人路径规划研究
2020-11-05蒋兵兵
绿色科技 2020年18期
罗 丹,蒋兵兵
(1.湖南铁道职业技术学院,湖南 株州 412000;2.湖南铁路科技职业技术学院,湖南 株州 412000)
1 引言
随着人工智能的发展,移动机器人的路径规划成为一个研究的热点。路径规划算法分为两类:一类是传统算法,如人工势场法、可视图法、栅格法、自由空间法、A*算法等,另一类是仿生进化算法,如粒子群算法、蚁群算法、遗传算法等。由于传统算法在机器人路径规划中存在搜索效率低等情况[1],而仿生进化算法在搜索速度方面有较大的优势。因此,近年来,群智能算法是移动机器人路径规中的一个研究热点[3]。
生物地理学算法[2](Biogeography-Based Optimization,BBO)是美国学者Dan Simon将生物地理学的研究成果与工程研究相结合,提出的一种新型仿生进化算法。BBO算法的全局搜索性能较好,学者们对BBO算法进行了大量的研究,并将其广泛应用到电力系统调度问题、非线性系统、0-1组合问题、PID参数整定等实际问题中,并取得了较好的测试效果,也有少部分学者将其用到路径规划中,并取得了一定的研究效果[4,5,8]。考虑到生物地理学算法的存在收敛速度慢等不足,结合遗传算法具有的快速收敛性,本文提出一种新的改进生物地理学算法。
文中将改进的生物地理学算法应用到机器人路径规划中,其本质是将路径规划问题转变为函数优化问题。选取两种不同静态环境,通过MATLAB进行仿真实验,仿真结果证明,生物地理学算法在路径规划中是具有可行性的。
2 环境模型
常用的环境建模方法有行车图法、势场法、单元分解法。……
登录APP查看全文
