针对传统蚁群算法在农机导航路径规划中存在前期搜索盲目、死锁、收敛速度慢、收敛路径质量低的问题,本文提出基于跳点优化蚁群算法(Jump point optimized ant colony algorithm,JPOACO)的路径规划方法。首先,使用优化跳点搜索算法对地...针对传统蚁群算法在农机导航路径规划中存在前期搜索盲目、死锁、收敛速度慢、收敛路径质量低的问题,本文提出基于跳点优化蚁群算法(Jump point optimized ant colony algorithm,JPOACO)的路径规划方法。首先,使用优化跳点搜索算法对地图进行预处理,获得简化跳点;其次,通过简化跳点对栅格地图进行信息素初始化,以加强简化跳点的引导能力和减少前期盲目搜索;接着,设计蚂蚁死亡惩罚机制,以降低陷入死锁蚂蚁走过路径的信息素,减少死锁问题的发生;再者,通过重新设计启发式信息函数并引入分级式信息素因子改进状态转移概率函数,以提高收敛速度,缩短路径长度;最后,采用路径优化策略删减不必要路径节点,以进一步缩短路径长度、提升平滑度,提高路径质量。仿真结果表明,在简单环境中,JPOACO算法求得的路径长度较传统蚁群算法和另一种优化蚁群算法短约22.6%和2.0%,收敛迭代次数、收敛时间分别减少约77.0%、77.5%和49.3%、87.8%,零死亡迭代次数和零死亡时间较后者减少约19.5%和80.5%;在复杂菠萝种植环境中,JPOACO算法较传统蚁群算法和另一种优化蚁群算法求得的路径长度短16.6%和4.7%,收敛迭代次数、收敛时间分别减少约77.1%、17.4%和73.7%、47.4%,零死亡迭代次数和零死亡时间较后者减少约34.3%和58.2%,表明本文算法具有较高的适用性和可行性。展开更多
为提高温室番茄穴盘苗补苗移栽的工作效率,对补苗移栽路径进行规划,以减少路径规划长度和运算时间,提高机械手补苗效率和缩短反应时间。提出一种基于改进蚁群算法(Improved ant colony optimization)的机械臂补苗移栽路径规划方法,首先...为提高温室番茄穴盘苗补苗移栽的工作效率,对补苗移栽路径进行规划,以减少路径规划长度和运算时间,提高机械手补苗效率和缩短反应时间。提出一种基于改进蚁群算法(Improved ant colony optimization)的机械臂补苗移栽路径规划方法,首先,采用多因素启发函数,在启发函数中加入角度因子,增强路径的全局规划性;其次,为解决传统蚁群算法收敛速度慢的问题,引入了自适应挥发系数和动态权重系数;最后针对补苗路径规划背景下信息素复杂无序的问题,在信息素更新下加入边缘距离因子并设置信息素阈值,目的是减少路径规划时间,加快算法收敛。仿真结果表明,相比于传统优化算法,改进蚁群算法能有效优化补苗移栽路径。在试验条件128孔穴盘下,该模型的路径规划长度相比固定顺序法缩短14.65%,相比蚁群算法缩短6.76%,相比遗传算法缩短3.68%,相比克隆选择算法缩短1.01%。对比可知,改进蚁群算法更有利于补苗移栽路径规划,该模型可作为温室穴盘苗机械化补栽路径规划算法控制基础。展开更多
文摘针对传统蚁群算法在农机导航路径规划中存在前期搜索盲目、死锁、收敛速度慢、收敛路径质量低的问题,本文提出基于跳点优化蚁群算法(Jump point optimized ant colony algorithm,JPOACO)的路径规划方法。首先,使用优化跳点搜索算法对地图进行预处理,获得简化跳点;其次,通过简化跳点对栅格地图进行信息素初始化,以加强简化跳点的引导能力和减少前期盲目搜索;接着,设计蚂蚁死亡惩罚机制,以降低陷入死锁蚂蚁走过路径的信息素,减少死锁问题的发生;再者,通过重新设计启发式信息函数并引入分级式信息素因子改进状态转移概率函数,以提高收敛速度,缩短路径长度;最后,采用路径优化策略删减不必要路径节点,以进一步缩短路径长度、提升平滑度,提高路径质量。仿真结果表明,在简单环境中,JPOACO算法求得的路径长度较传统蚁群算法和另一种优化蚁群算法短约22.6%和2.0%,收敛迭代次数、收敛时间分别减少约77.0%、77.5%和49.3%、87.8%,零死亡迭代次数和零死亡时间较后者减少约19.5%和80.5%;在复杂菠萝种植环境中,JPOACO算法较传统蚁群算法和另一种优化蚁群算法求得的路径长度短16.6%和4.7%,收敛迭代次数、收敛时间分别减少约77.1%、17.4%和73.7%、47.4%,零死亡迭代次数和零死亡时间较后者减少约34.3%和58.2%,表明本文算法具有较高的适用性和可行性。
文摘为提高温室番茄穴盘苗补苗移栽的工作效率,对补苗移栽路径进行规划,以减少路径规划长度和运算时间,提高机械手补苗效率和缩短反应时间。提出一种基于改进蚁群算法(Improved ant colony optimization)的机械臂补苗移栽路径规划方法,首先,采用多因素启发函数,在启发函数中加入角度因子,增强路径的全局规划性;其次,为解决传统蚁群算法收敛速度慢的问题,引入了自适应挥发系数和动态权重系数;最后针对补苗路径规划背景下信息素复杂无序的问题,在信息素更新下加入边缘距离因子并设置信息素阈值,目的是减少路径规划时间,加快算法收敛。仿真结果表明,相比于传统优化算法,改进蚁群算法能有效优化补苗移栽路径。在试验条件128孔穴盘下,该模型的路径规划长度相比固定顺序法缩短14.65%,相比蚁群算法缩短6.76%,相比遗传算法缩短3.68%,相比克隆选择算法缩短1.01%。对比可知,改进蚁群算法更有利于补苗移栽路径规划,该模型可作为温室穴盘苗机械化补栽路径规划算法控制基础。
