摘要
移动机器人因为其在使用中的适应能力强、工作空间大等诸多优势,逐渐受到相关研究人员的重视,并且在近几年得到了很大的发展。文章首先介绍了移动机器人自动路径规划的相关概念,进而对蚁群算法的相关理论进行了分析,最后提出了蚁群算法应用于机器人自动路径规划中的途径。
出处
《中国高新技术企业》
2017年第9期74-75,共2页
China Hi-tech Enterprises
参考文献3
-
1柳长安,鄢小虎,刘春阳,吴华.基于改进蚁群算法的移动机器人动态路径规划方法[J].电子学报,2011,39(5):1220-1224. 被引量：143
-
2屈鸿,黄利伟,柯星.动态环境下基于改进蚁群算法的机器人路径规划研究[J].电子科技大学学报,2015,44(2):260-265. 被引量：74
-
3曾明如,徐小勇,刘亮,罗浩,徐志敏.改进的势场蚁群算法的移动机器人路径规划[J].计算机工程与应用,2015,51(22):33-37. 被引量：20
二级参考文献37
-
1Derek J Bennet, Colin R McInnes. Distributed control of multirobot systems using bifurcating potential fields[J].Robotics and Autonomous Systems, 2010,58 (3) : 256 - 264.
-
2Dorigo M, Maniezzo V, Colomi A. Ant system: optimization by a colony of cooperating agent[ J]. IEEE Transactions on Systems, Man, and Cybernetics, 1996,26( 1 ) :29 - 41.
-
3Lim Kwee Kim, Ong Yew-Soon,Lim Meng Hiot,et al.Hybrid ant colony algorithms for path planning in sparse graphs E J]. Soft Computing, 2008,12(10) :981 - 994.
-
4Garcia M A Porta, Montiel Oscar, Casfillo Oscar, et al. Path planning for autonomous mobile robot navigation with ant colony optimization and fuzzy cost function evaluation[ J]. Applied Soft Computing,2009,9(3) : 1102 - 1110.
-
5Stutzle T, Hoos H H. Max-min ant system and local search for the travelling salesman problem[ A]. IEEE International Conference on Evolutionary Computation[ C ]. Indianapolis: IEEE Press, 1997.309 - 314.
-
6Botee H M, Bonabeau E. Evolving ant colony optimization [J].Compex System, 1998,1 (2) : 149 - 159.
-
7BI Xiao-jun,LUO Guang-xin. The improvement of ant colony algorithm based on the inver-over operator[ A]. IEEE International Conference on Mechatronics and Automation [C ]. Harbin: IEEE Press, 2007.2383 - 2387.
-
8Kennedy J, Eberhart R C. Particle swarm optimization[ A]. IEEE International Conference on Neural Networks [ C ]. Piscataway, NJ: IEEE Press, 1995.1942 - 1948.
-
9Asl,L B,Nezhad, V M. Improved particle swarm optimization for dual-channel speech enhancement [A]. International Conference on Signal Acquisition and Processing[C]. Bangalore, India: IEEE Press,2010.13- 17.
-
10邢焕来,潘炜,邹喜华.一种解决组合优化问题的改进型量子遗传算法[J].电子学报,2007,35(10):1999-2002. 被引量：56
共引文献218
-
1刘耀,毛剑琳.动态环境下基于改进蚁群算法的路径规划研究[J].电子测量技术,2020,43(7):82-87. 被引量：5
-
2李擎,张超,韩彩卫,张婷,张维存.动态环境下基于模糊逻辑算法的移动机器人路径规划[J].中南大学学报（自然科学版）,2013,44(S2):104-108. 被引量：23
-
3龙晟锋,何广平,陈家俊.动态环境下机器人的路径规划[J].广东石油化工学院学报,2012,22(1):50-53. 被引量：1
-
4何少佳,刘子扬.基于惯性蚁群算法的机器人路径规划[J].计算机工程与应用,2012,48(15):245-248. 被引量：8
-
5陆克中,孙俊.足球机器人路径规划的PSO方法[J].计算机技术与发展,2012,22(7):124-127. 被引量：1
-
6陆克中.基于QPSO方法的足球机器人路径规划[J].池州学院学报,2012,26(3):9-11.
-
7徐晓晴,朱庆保.动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划[J].电子学报,2012,40(8):1694-1700. 被引量：35
-
8陆克中.基于ABC方法的足球机器人路径规划[J].忻州师范学院学报,2012,28(5):23-26.
-
9张元良,杨巍巍,刘青,程鹏.蚁群算法在路径规划中的应用[J].数字技术与应用,2013,31(5):159-160. 被引量：2
-
10张超,李擎,董冀媛,韩彩卫,刘启晗.基于混沌粒子群——专用遗传算法切换策略的移动机器人路径规划[J].北京科技大学学报,2013,35(6):826-830. 被引量：7
-
1吴琼.智能机器人路径规划中的蚁群算法改进[J].计算机与网络,2017,43(9):48-49. 被引量：1
-
2Susanne Oberer-Treitz,Bjorn Matthias.人-机器人-合作（MRK）的潜力[J].现代制造,2017,0(24):22-24.
-
3新闻集装[J].中国社会工作,2017,0(16):5-5.
-
4郭兴华,朱小刚.利用高斯调变函数视觉编码QR码[J].中国图象图形学报,2017,22(6):741-753. 被引量：1
-
5李敏,张晓磊,廉逸晗.兴安盟气象局信息网络监控系统的设计与实现[J].网络安全技术与应用,2017(7):107-108.
