改进粒子群算法在机器人路径规划中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (25): 241-244.

改进粒子群算法在机器人路径规划中的应用

马千知，雷秀娟

陕西师范大学计算机科学学院，西安 710062

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-01 发布日期:2011-09-01

Application of improved particle swarm optimization algorithm in robotic path planning

MA Qianzhi，LEI Xiujuan

College of Computer Science，Shaanxi Normal University，Xi’an 710062，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要： 针对粒子群优化算法易过早收敛而陷入局部最优的缺陷，结合移动机器人全局路径规划问题模型，提出一种带扰动机制的粒子群优化算法。对于进入进化停滞状态的个体，采用个体修正策略产生新个体将其替代，来引导算法搜索可行路径，帮助粒子逃离局部极值。仿真实验表明，与其他算法相比，该算法具有更好的搜索精度和全局寻优能力。

关键词: 粒子群优化, 扰动机制, 机器人路径规划

Abstract: According to the defect of particle swarm optimization that it is easily to fall into local optimal solution，combining with the model of robotic path planning，a novel particle swarm optimization with perturbation mechanism is proposed.In perturbation mechanism，the new modified particles are produced to take places of those particles which keep no evolution.This method leads the algorithm to find the feasible path and is helpful for escaping the local optimal solution.Simulation experiments are also done in this paper，and the results of computer simulation compared with traditional algorithms demonstrate the superiority of the enhanced algorithm.

Key words: particle swarm optimization, perturbation mechanism, robotic path planning

马千知，雷秀娟. 改进粒子群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2011, 47(25): 241-244.

MA Qianzhi，LEI Xiujuan. Application of improved particle swarm optimization algorithm in robotic path planning[J]. Computer Engineering and Applications, 2011, 47(25): 241-244.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[9]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[10]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[11]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[12]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[13]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[14]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[15]	陈秋莲，蒋环宇，郑以君. 机器人路径规划的快速扩展随机树算法综述[J]. 计算机工程与应用, 2019, 55(16): 10-17.