基于自适应混沌变异粒子群算法的路径规划

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (30): 46-49.

基于自适应混沌变异粒子群算法的路径规划

国海涛1，2，岳峻2，苏庆堂2

1.山东商业职业技术学院信息技术学院，济南 250103
2.鲁东大学信息科学与工程学院，山东烟台 264025

出版日期:2012-10-21 发布日期:2012-10-22

Novel path planning for robots based on adaptive chaos mutation operator particle swarm optimization algorithm

GUO Haitao1，2, YUE Jun2, SU Qingtang2

1.School of Information and Technology, Shandong Institute of Commerce and Technology, Jinan 250103, China
2.College of Information Science and Engineering, Ludong University, Yantai, Shandong 264025, China

Online:2012-10-21 Published:2012-10-22

摘要/Abstract

摘要： 研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模，利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛，加入自适应混沌变异操作，在加强算法局部搜索能力的同时保证搜索过程中种群的多样性。仿真实验表明，即使在复杂的环境下，利用该算法也可以规划出一条全局较优路径，且能安全避碰。

关键词: 路径规划, 粒子群算法, 混沌变异, 自适应

Abstract: A novel path planning for robots based on adaptive chaos mutation operator particle swarm optimization algorithm is presented. The first step is to make a new map. The improved particle swarm optimization algorithm is introduced to get a global optimized path. The algorithm takes advantage of adaptive chaos mutation operator to enhance the local search ability and keeps the swarm diversity. The result of simulation shows that this novel algorithm can plan an optimal path rapidly in a cluttered environment. The successful obstacle avoidance is achieved.

Key words: path planning, particle swarm algorithm, chaos mutation, adaptive

国海涛1，2，岳峻2，苏庆堂2. 基于自适应混沌变异粒子群算法的路径规划[J]. 计算机工程与应用, 2012, 48(30): 46-49.

GUO Haitao1，2, YUE Jun2, SU Qingtang2. Novel path planning for robots based on adaptive chaos mutation operator particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2012, 48(30): 46-49.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[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]	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.
[4]	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.
[5]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[6]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[7]	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.
[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]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[15]	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.