融合改进A*蚁群和滚动窗口法的平滑路径规划
2021-10-12殷绍伟戴菲菲
计算机与生活 2021年10期
殷绍伟,彭 力+,戴菲菲
1.物联网技术应用教育部工程研究中心(江南大学 物联网工程学院),江苏 无锡 214122
2.台州市产品质量安全检测研究院,浙江 台州 318000
路径规划是移动机器人领域的一个重要研究方向,其主要目标就是通过一定的智能算法求得避开所有障碍物的最优安全路径。目前对于已知静态障碍物环境下的全局路径规划研究已经有很多,比如人工势场法[1]、遗传算法[2-3]、神经网络[4]等。人工势场法相对简单,且便于底层实时控制,但是对于稍微复杂的地图,就会出现死锁、停滞的现象,而且极易陷入局部最优;遗传算法虽然全局搜索能力强,但是计算量大,收敛慢;神经网络学习能力强,但是地图变化或者存在动态障碍物时,网络结构复杂且需要不断地改变阈值。
蚁群算法(ant colony optimization,ACO)[5]是Dorigo受生物进化启发提出,其因为正反馈原理、天然的并行性以及较强的鲁棒性等优点,在路径规划[6-8]、网络路由[9]等方面得到广泛应用。但是蚁群算法也有一定的缺点,比如收敛速度慢、易陷入局部最优。针对蚁群算法的不足,国内外不少学者提出过改进,文献[10]提出将人工势场法与ACO 结合,并且对路径进行几何优化;文献[11]引入动态搜索诱导算子控制算法的搜索方向,提高算法多样性与收敛速度,再结合k 交换算子避免早熟。虽然文献[10-11]的实验结果表明各自改进后算法收敛速度加快,规划的路径长度变短,但是未解决改进后算法参数多而且难调的问题,并且文献[10-11]都只是在静态环境下路径规划,最后规划出的路径也并不平滑。……
登录APP查看全文