新的融合算法在机器人路径规划中的应用

doi:10.3778/j.issn.1002-8331.2009.28.014

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (28): 48-51.DOI: 10.3778/j.issn.1002-8331.2009.28.014

新的融合算法在机器人路径规划中的应用

段爱玲¹，邓高峰¹，张雪萍¹，刘彦萍¹，王家耀^1，2

1.河南工业大学信息科学与工程学院，郑州 450050
2.解放军信息工程大学测绘学院，郑州 450050

收稿日期:2008-07-18 修回日期:2008-10-31 出版日期:2009-10-01 发布日期:2009-10-01
通讯作者: 段爱玲

Application of new combination algorithm in robot path planning

DUAN Ai-ling¹，DENG Gao-feng¹，ZHANG Xue-ping¹，LIU Yan-ping¹，WANG Jia-yao^1，2

1.School of Information Science and Engineering，Henan University of Technology，Zhengzhou 450050，China
2.Institute of Surveying and Mapping，PLA Information Engineering University，Zhengzhou 450050，China

Received:2008-07-18 Revised:2008-10-31 Online:2009-10-01 Published:2009-10-01
Contact: DUAN Ai-ling

摘要/Abstract

摘要： 机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法，该方法有效地结合了蚁群算法和粒子群算法的优点，利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布；然后利用蚁群算法的并行性、正反馈性、求解精度高等优点，求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。

关键词: 路径规划, 蚁群算法, 粒子群算法

Abstract: Robot path planning is an important research topic in robotics field.The paper proposes an algorithm based on the combination of Ant Colony Optimization（ACO） and Particle Swarm Optimization（PSO） for path planning.The new algorithm combines the advantages of ACO and PSO effectively and generates the distribution of the initial information for ACO by using the merits of high efficiency and concision of PSO，and then uses the advantages of parallelizability，positive feedback and solution with high accuracy of ACO to get global optimum solution.The simulation result demonstrates the effectiveness and feasibility of the proposed algorithm.

Key words: path planning, Ant Colony Optimization（ACO）, Particle Swarm Optimization（PSO）

中图分类号:

TP242.6

段爱玲¹，邓高峰¹，张雪萍¹，刘彦萍¹，王家耀^1，2. 新的融合算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2009, 45(28): 48-51.

DUAN Ai-ling¹，DENG Gao-feng¹，ZHANG Xue-ping¹，LIU Yan-ping¹，WANG Jia-yao^1，2. Application of new combination algorithm in robot path planning[J]. Computer Engineering and Applications, 2009, 45(28): 48-51.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[4]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[5]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[6]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[7]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[8]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[9]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[10]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[11]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[12]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[13]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[14]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[15]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.

新的融合算法在机器人路径规划中的应用

Application of new combination algorithm in robot path planning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics