資源描述：
《基于改進(jìn)人工魚群算法的機(jī)器人路徑規(guī)劃.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、文章編號(hào)：1006—9348(2016)12—0374—06基于改進(jìn)人工魚群算法的機(jī)器人路徑規(guī)劃張文輝，林子安，劉彤，張延豪(桂林電子科技大學(xué)，廣西桂林541004)摘要：在人工魚群算法智能仿生應(yīng)用于機(jī)器入路徑規(guī)蜊中，為提高規(guī)劃的求鋸速度、降低規(guī)劃路徑長(zhǎng)度，存在算法后期收斂速度降低和易陷入局部最優(yōu)解的缺點(diǎn)。為此在上述算法的基礎(chǔ)上，引入方向算子來(lái)提升覓食、聚群和追尾三種魚群行為的準(zhǔn)確度和成功率，增加免疫記憶操作來(lái)提高算法的全局搜索能力并減少局部極值出現(xiàn)的概率。在兩種典型柵格地圖環(huán)境下的仿真結(jié)果表明，免疫一方向性人工魚群算法IDAFSA(Immune—DirectionalArti
2、ficialFishSwarmAlgorithm)算法與快速遺傳算法(FGA)[2]和常規(guī)人工魚群算法(AFSA)[6]相比，具有更好的結(jié)果穩(wěn)定性、更短的計(jì)算時(shí)間和更接近最優(yōu)路徑的可行解。關(guān)鍵詞：人工魚群算法；機(jī)器人路徑規(guī)劃；免疫算法中圖分類號(hào)：TP24文獻(xiàn)標(biāo)識(shí)碼：BRobotPathPlanningMethodBasedonModifiedArtificialFishSwarmAlgorithmZHANGWen—hui，LINZi—an，LIUTong，ZHANGYan—hao(GuilinUniversityofElectronicTechnology，GuilinGuan
3、gxi541004，China)ABSTRACT：ForsolvingtheproblemssuchasthelongpathlengthandtheslowcalculationspeedinRobotpathplanning，weincreasedadirectionaloperatortoeverysinglefishduringtheprey，swarmandfollowbehavior．Atthesametime，weputtheimmunealgorithmintoArtificialFishSwarmAlgorithm(AFSA)，andimprovetheglo
4、balsearchabilityandenhancetheabilityavoidinglocalsolution．ThetwogridmapsimulationsshowthatcomparingIm—mune—DirectionalArtificialFishSwarmAlgorithm(IOAFSA)withtheFastGeneticAlgorithm(FGA)andordinaryAFSA，theimprovedAlgorithmhasbetterglobalsearchcapability．AndithasownadvantagessuchashighSuccess
5、rate，lessalgebraicconvergence，fastconvergencespeed，fantasticreal—timeperformance，stablealgorithm，and塒tIlthealgorithm．verygoodpathcanbeproducedwithinanacceptabletime．KEYWORDS：Artificialfishswarnlalgorithm；Robotpathplanning；Immunealgorithm1引言路徑規(guī)劃作為移動(dòng)機(jī)器人導(dǎo)航關(guān)鍵技術(shù)之一受到廣泛重視。機(jī)器人路徑規(guī)劃是在一定環(huán)境下，滿足一定的優(yōu)化準(zhǔn)則，如
6、工作代價(jià)最小、行走路線最短、行走時(shí)間最少或能量消耗最少等標(biāo)準(zhǔn)，在運(yùn)動(dòng)空間中找到一條從起始狀態(tài)到目標(biāo)狀態(tài)、可以避開障礙物的最優(yōu)或者接近最優(yōu)的路徑?。傳統(tǒng)優(yōu)化方法，如人工勢(shì)場(chǎng)法、可視圖法和柵格法等，在機(jī)器人路徑基金項(xiàng)目：廣西教育廳科研項(xiàng)目(201403YB021)；廣西高校圖形圖像智能處理重點(diǎn)實(shí)驗(yàn)室(GIIP201407)；廣西研究生教育創(chuàng)新項(xiàng)目(2014105950812M25)收稿日期：2016一01—30----——374---——規(guī)劃這類復(fù)雜非線性優(yōu)化問(wèn)題中缺乏足夠的魯棒性。隨著人工智能技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、粒子群算法和人工魚群算法等智能仿生路徑規(guī)劃算法得
7、到應(yīng)用，已取得一系列研究成果，形成一系列典型規(guī)劃算法。J．Lee【2J引入遺傳算法，在自然選擇過(guò)程中采用兩種評(píng)估函數(shù)，得到了一種簡(jiǎn)單環(huán)境下的快速遺傳算法(FastGeneticAlgorithm，F(xiàn)GA)。實(shí)驗(yàn)表明該算法能滿足實(shí)時(shí)性的要求，但是路徑長(zhǎng)度偏長(zhǎng)。莫宏偉口。在粒子群優(yōu)化算法(ParticleSwarmOpti—mization，PSO)基礎(chǔ)上，引入生物地理中遷移算子之間的信息共享解決方案，將仿生優(yōu)化(Biogeography—basedOptimiza—tion，BBO)思想與之結(jié)
