为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite ...为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。展开更多
三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人...三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人工兔优化算法收敛慢以及易陷入局部最优的缺陷,本文开发了一种基于Levy飞行、自适应柯西变异以及精英群遗传策略改进的人工兔优化算法(Artificial Rabbit Optimization algorithm based on Levy flight,adaptive Cauchy mutation,and elite population Genetic strategy,LCGARO).将LCGARO与6个经典和先进的元启发式算法在29个CEC2017测试函数和6个复杂度不同的三维无人机路径规划地形场景中进行多方面对比实验.对比实验结果证明,在CEC2017测试函数的对比实验中,本文提出的LCGARO算法在22个测试函数中具有更优的寻优精度.在无人机路径规划实验中,LCGARO算法在5个地形场景中能够规划出总成本函数值最小的飞行路径.展开更多
以具有精英保留的免疫遗传算法(Immune genetic algorithm with elitism,IGAE)和栅格法为基础,提出一种新的移动机器人最优路径规划方法。其步骤为:首先采用栅格法对机器人工作空间进行划分,建立给定环境中移动机器人的自由空间模型;每...以具有精英保留的免疫遗传算法(Immune genetic algorithm with elitism,IGAE)和栅格法为基础,提出一种新的移动机器人最优路径规划方法。其步骤为:首先采用栅格法对机器人工作空间进行划分,建立给定环境中移动机器人的自由空间模型;每个栅格用1个序号标识,并以路径上各栅格序号作为机器人路径的编码参数。然后,采用直角坐标和序号混合应用的方法产生初始种群,群体中每1个个体表示1条机器人路径,采用IGAE算法对种群进行优化,最终找出最优路径。为了保持种群初始化和遗传操作过程中个体所对应的路径的连续性和避障要求,在IGAE算法中引入删除、插入算子。计算机仿真实验结果表明,所提出的方法比基于全局收敛型遗传算法的路径规划方法更加快速和有效。展开更多
文摘为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。
文摘三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人工兔优化算法收敛慢以及易陷入局部最优的缺陷,本文开发了一种基于Levy飞行、自适应柯西变异以及精英群遗传策略改进的人工兔优化算法(Artificial Rabbit Optimization algorithm based on Levy flight,adaptive Cauchy mutation,and elite population Genetic strategy,LCGARO).将LCGARO与6个经典和先进的元启发式算法在29个CEC2017测试函数和6个复杂度不同的三维无人机路径规划地形场景中进行多方面对比实验.对比实验结果证明,在CEC2017测试函数的对比实验中,本文提出的LCGARO算法在22个测试函数中具有更优的寻优精度.在无人机路径规划实验中,LCGARO算法在5个地形场景中能够规划出总成本函数值最小的飞行路径.
文摘以具有精英保留的免疫遗传算法(Immune genetic algorithm with elitism,IGAE)和栅格法为基础,提出一种新的移动机器人最优路径规划方法。其步骤为:首先采用栅格法对机器人工作空间进行划分,建立给定环境中移动机器人的自由空间模型;每个栅格用1个序号标识,并以路径上各栅格序号作为机器人路径的编码参数。然后,采用直角坐标和序号混合应用的方法产生初始种群,群体中每1个个体表示1条机器人路径,采用IGAE算法对种群进行优化,最终找出最优路径。为了保持种群初始化和遗传操作过程中个体所对应的路径的连续性和避障要求,在IGAE算法中引入删除、插入算子。计算机仿真实验结果表明,所提出的方法比基于全局收敛型遗传算法的路径规划方法更加快速和有效。
