粒子群算法优化机器人路径规划的研究

针对标准粒子群算法在移动机器人路径规划问题上存在的收敛速度慢、易陷入“早熟”现象以及路径不平滑等缺点,对粒子群优化算法进行改进,该方法在粒子陷入局部最优值时,对全局最优粒子的速度进行了轻微的干扰,从而提高收敛速度。为了平衡局部和全局搜索能力,提出了非线性惯性权重。最后提出一个考虑路径最短和平滑性的适应度函数。仿真结果表明,在一个动态环境中,改进之后的粒子群优化算法收敛快,并能避开障碍物,寻找到符合要求的最优路径。

遗传算法在移动机器人路径规划的研究

针对基本遗传算法在移动机器人路径规划问题上存在的收敛速度慢以及所得路径转弯次数过多能耗大等缺点,对遗传算法进行改进,该方法利用同邻交叉方式,通过选取具有相同可行邻居结点的交叉对进行交叉操作,得到比双亲更为合适的可行路径。改进的变异方式是选择一个初始变异结点,计算它的可行邻居结点所在路径的适应度值,适应度值最优的就作为变异结点。新的适应度函数考虑了路径的距离、安全性和能量消耗等因素。仿真结果表明,将改进的交叉变异算子和新的适应度函数结合使用有助得到转弯次数较少的最优路径。