APP下载

采用改进灰狼算法的移动机器人路径规划

2022-11-02刘志强何丽袁亮张恒

西安交通大学学报 2022年10期
关键词:策略实验

刘志强,何丽,袁亮,张恒

(1.新疆大学机械工程学院,830047,乌鲁木齐; 2.北京化工大学信息科学与技术学院,100029,北京)

移动机器人路径规划直接关系到机器人的行进效率。路径寻优算法是路径规划的核心,依据理论的不同,移动机器人路径规划技术可分为基于采样的图搜索算法、基于节点的搜索算法、基于模型的方法、基于生物启发式算法等方法[1]。粒子群算法(PSO)[2]、蚁群算法[3]、萤火虫算法[4]等都是典型的生物启发式算法,较传统规划算法,减少了对数学模型的依赖,全局寻优能力强,在移动机人路径规划研究中已经得到大量的实际应用。

灰狼优化(grey wolf optimization,GWO)[5]算法作为一种新型的生物启发式算法,具有结构简单、需要设置的参数少和在实验编码中易实现等优点,近年来在调度[6]、无人机路径规划[7]、图像处理[8]、模型参数优化[9-10]、移动机器人路径规划[11]等领域广泛应用。然而,在移动机器人的路径规划问题实际求解中,传统GWO算法存在固有缺陷,如初始种群缺乏多样性、全局勘探与局部开发不平衡、易陷入局部极值等,会影响到机器人的运动效率,增加碰撞风险。刘二辉等[12]在求解自动导引小车路径规划问题中,基于GWO算法引入启发式初始解生成算法,改善了灰狼初始种群质量差的缺陷;同时,提出了基于邻域搜索的启发式算子,避免了算法陷入局部停滞,但增加了GWO算法的计算复杂度,缺乏考虑全局搜索与局部搜索间的平衡关系。针对这些GWO算法固有问题,研究者们先后提出了诸多改进策略,大体分为以下3类。……

登录APP查看全文

猜你喜欢

策略实验
记一次有趣的实验
基于“选—练—评”一体化的二轮复习策略
例谈未知角三角函数值的求解策略
做个怪怪长实验
我说你做讲策略
高中数学复习的具体策略
NO与NO2相互转化实验的改进
实践十号上的19项实验
Passage Four
《实验流体力学》征稿简则