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
针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并...针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率。与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究。最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障。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。
文摘针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率。与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究。最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障。
