基于地图栅格与QPSO算法结合的机器人路径规划方法.pdf
mm****酱吖
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于地图栅格与QPSO算法结合的机器人路径规划方法.pdf
本发明请求保护一种基于QPSO(QuantumBehavedParticleSwarmOptimization,量子行为粒子群优化)算法的改进机器人路径规划方法,针对当前QPSO算法在大部分情况下在机器人路径规划中得到易陷入局部最优的情况,提出了一种基于地图栅格与QPSO算法结合的改进机器人路径规划方法:(1)根据移动机器人的工作环境的特点对机器人通过激光传感器获取的数据进行地图建模。(2)采用轮盘式选择法进行路径规划,并且初始化可行路径。(3)采用参数可变的QPSO算法对初始化的可行路径进行优化
一种基于栅格地图模型的改进AGV路径规划算法.pdf
在传统自动引导小车路径规划研究方法中,针对环境模型多为正方形栅格导致模拟效果差的问题,提出了一种基于蜂巢栅格形状的地图模型,并针对传统蚁群算法求解路径规划问题时效率低下且结果不稳定的缺点,提出了一种基于改进型蚁群算法的AGV路径规划方法。首先,利用蜂巢栅格对环境进行模型建立,再使用改进型蚁群算法,根据每只蚂蚁和每次迭代的评估,使用不同的信息素更新规则来得到最终路径。实验结果表明改进型蚁群算法解决了传统蚁群算法不能较好收敛的问题,并能获得更短的规划路径。再和相关文献算法的结果进行对比,发现在使用此改进型蚁群
基于粒子群、蚁群和A-Star算法结合的机器人路径规划方法.pdf
本发明属于路径规划技术领域,公开了一种基于粒子群、蚁群和A‑Star算法结合的机器人路径规划方法,包括:生成栅格地图并获取所属栅格地图中障碍物与可行区域的位置,构建可达距离矩阵,确定机器人集群中各个机器人在栅格地图中的起始位置以及目标位置;利用粒子群、蚁群结合算法与A‑Star算法基于可达距离矩阵、机器人在栅格地图中的起始位置以及目标位置对机器人集群进行路径寻优规划,得到最优路径。本发明在粒子群算法的基础上结合蚁群算法、算法和模拟退火算法的思想,进行机器人避障路径寻优,达到了机器人完成避障的同时,能够快速
一种基于改进势场栅格的机器人路径规划方法.pdf
本发明公开了一种基于改进势场栅格的机器人路径规划方法,包括以下步骤;首先设置势场函数的参数及机器人的相关参数,对机器人的工作环境进行划分,再为每个栅格赋予势场值保证目标点的势场值为全局最小;获取机器人当前位置参数,选取总的势函数作为启发函数,使得每次在栅格选取时,选择一个相对于其他栅格距离障碍物最远距离目标点最近的栅格节点,若到达目标点则程序结束,否则进行下一步;重新进行赋值,计算机器人所受到的引力和斥力,得到总体的势场合力,逃离局部极小区域,以降低搜索盲目性,实现机器人以较高效率跳出局部极小区域,以最优
基于改进A算法机器人路径规划研究.pdf