基于改进粒子群优化算法的移动机器人路径规划

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (15): 240-244.

基于改进粒子群优化算法的移动机器人路径规划

王娟1，吴宪祥2，郭宝龙2

1.空军工程大学电讯工程学院，西安 710077
2.西安电子科技大学机电工程学院智能控制与图像工程研究所，西安 710071

出版日期:2012-05-21 发布日期:2012-05-30

Robot path planning using improved particle swarm optimization

WANG Juan1, WU Xianxiang2, GUO Baolong2

1.Telecommunication Engineering Institute, Air Force Engineering University, Xi’an 710077, China
2.ICIE Institute, School of Electromechanical Engineering, Xidian University, Xi’an 710071, China

Online:2012-05-21 Published:2012-05-30

摘要/Abstract

摘要： 为了实现微型足球机器人的平滑最优路径规划，提出了一种结合Ferguson样条路径描述和改进粒子群优化算法的路径规划方法。利用Ferguson样条描述移动机器人路径，将路径规划问题转化为三次样条曲线的参数优化问题，借助改进的具有速度变异的粒子群算法进行路径优化。仿真实验表明，算法可以有效进行障碍环境下机器人的无碰撞路径规划，改进的粒子群算法进行路径优化迭代80次左右即可收敛，规划路径平滑、合理，有一定的实用价值。

关键词: 路径规划, 粒子群算法, 速度变异, Ferguson样条

Abstract: To get an optimal smooth path for a micro soccer robot, a novel path planning approach using improved particle swarm optimization is proposed with a path description by string of Ferguson splines. The path planning is then equivalent to optimization of parameters of particular cubic Ferguson splines. The improved Particle Swarm Optimization with Velocity Mutation（VMPSO） is introduced to optimize the path for its fast convergence and global search character. Experimental results prove the rationality and great practical value of the proposed algorithm, which can get convergence within 80 iterations, with a collision-avoiding smooth optimal path being planned fleetly.

Key words: path planning, Particle Swarm Optimization（PSO）, velocity mutation, Ferguson splines

王娟1，吴宪祥2，郭宝龙2. 基于改进粒子群优化算法的移动机器人路径规划[J]. 计算机工程与应用, 2012, 48(15): 240-244.

WANG Juan1, WU Xianxiang2, GUO Baolong2. Robot path planning using improved particle swarm optimization[J]. Computer Engineering and Applications, 2012, 48(15): 240-244.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[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]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[14]	赵伟，吴子英. 双层优化A*算法与动态窗口法的动态路径规划[J]. 计算机工程与应用, 2021, 57(22): 295-303.
[15]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.