摘要
针对粒子群算法应用于移动机器人路径规划时存在的易早熟、易陷入局部最优等问题,提出一种基于区域搜索的自适应粒子群(region search-adaptive particle swarm optimization algorithm,RS-APSO)路径规划方法。首先,通过区域搜索算法对原始地图进行预处理,减少地图中的无效信息。其次,提出两种可变算子对惯性权重因子进行调节,对加速因子进行自适应改进,增强算法不同时期的搜索能力,利用新的加速因子使粒子快速摆脱较差区域。最后通过动态避障策略,使机器人可以安全规避移动障碍物。仿真结果表明,RS-APSO算法相较于PSO算法,平均运行时间降低了30.3%,平均迭代次数降低了43.9%,在动态环境中也能生成安全路径。
Aiming at the problems of particle swarm optimization in mobile robot path planning,such as precocity and local optimum,a path planning method based on region search-adaptive particle swarm optimization algorithm(RS-APSO)is proposed.Firstly,the region search algorithm is used to preprocess the original map to reduce invalid information in the map.Secondly,two variable operators are proposed to adjust the inertia weight factor and improve the acceleration factor adaptively to enhance the search ability of the algorithm in different periods.The new acceleration factor is used to remove the bad region quickly from the particle.Finally,the robot can safely avoid moving obstacles through dynamic obstacle avoidance strategy.Simulation results show that compared with PSO algorithm,the average running time of RS-APSO algorithm is reduced by 30.3%,the average number of iterations is reduced by 43.9%,and can also generate safe path in dynamic environment.
作者
郝琨
邓晁硕
赵璐
刘永磊
Hao Kun;Deng Chaoshuo;Zhao Lu;Liu Yonglei(School of Computer and Information Engineering,Tianjin Chengjian University,Tianjin 300384,China)
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第12期126-135,共10页
Journal of Electronic Measurement and Instrumentation
基金
国家自然科学基金(61902273)项目资助
关键词
路径规划
粒子群算法
区域搜索
可变算子
动态避障
path planning
particle swarm optimization(PSO)
regional search
variable operator
dynamic obstacle avoidance
作者简介
郝琨,2010年于天津大学获得博士学位,现为天津城建大学教授,主要研究方向为水下传感器网络、计算机视觉等。E⁃mail:kunhao@tcu.edu.cn;邓晁硕,2019年于河南师范大学获得学士学位,现为天津城建大学计算机与信息工程学院硕士研究生,主要研究方向为路径规划等。E⁃mail:dengchaoshuo0619@163.com;通信作者:赵璐,2014年于哈尔滨工程大学获得博士学位,现为天津城建大学讲师,主要研究方向为机器学习、网络优化等。E⁃mail:zhaolu6892@163.com;刘永磊,2014年于天津大学获得博士学位,现为天津城建大学副教授,主要研究方向为网络安全等。E⁃mail:liuyonglei@tcu.edu.cn
