以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法。该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径。在计算机上进行了仿真,仿真结果证明了该方法
基本粒子群算法在模拟生物群体智能时,只有信息的单一传递和强迫学习机制,导致群体迅速收敛和种群的多样性降低。为此,提出一种具有综合学习机制的粒子群算法,将所有粒子的个体极值的平均值取代每一粒子的个体极值
应用遗传算法进行机器人全局路径规划,针对该算法,目前常用的建模方法均存在一定缺陷,如链接图法过程复杂,栅格法栅格粒度难以控制,且随栅格数增加,算法复杂度急剧增加等等。论文采用了一种新颖的建模方法,该方
提出基于蚁群算法的网格调度算法,优化作业完成时间。同时局部升级和全局升级采用不同策略,解决资源负载均衡问题,满足网格的多目标优化。最后通过Gridsim仿真环境和其他算法进行比较分析。
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
基于遗传算法的栅格法机器人路径规划,可以调路径长度比重和路径顺滑度比重,来达到比较好的路径规划效果,并且障碍点也可以自己设置,有迭代次数和路径长度的优化曲线,点击main.m即可运行
可以运行的PSO粒子群机器人路径规划代码,代码思路清晰,对研究粒子群算法和移动机器人路径规划有很大的帮助。
基于蚁群算法的机器人路径规划问题
:在分析传统遗传算法的基础上提出一种移动机器人全局路径规划算法。采用方向的 二进制串对染色体进行编码,在生成初始种群时,沿着正弦曲线轨迹生成部分染色体。另外 选择和交叉操作采用了锦标赛选择算子和多点交
外文文献,下载请慎重。描述基于遗传算法的清洁机器人的路径规划