基于改进粒子群算法的智能机器人路径规划

计算机应用 ›› 2014, Vol. 34 ›› Issue (2): 510-513.

基于改进粒子群算法的智能机器人路径规划

张万绪,张向兰,李莹

西北大学信息科学与技术学院，西安 710127

收稿日期:2013-08-06 修回日期:2013-10-21 出版日期:2014-02-01 发布日期:2014-03-01
通讯作者: 张向兰
作者简介:张万绪（1964-），男，山西运城人，副教授，主要研究方向：智能控制与测试、机器人行为控制、电视信号处理;张向兰（1986-），男，陕西宝鸡人，硕士研究生，主要研究方向：智能控制与测试、机器人行为控制;李莹（1987-），女，辽宁葫芦岛人，硕士研究生，主要研究方向：图像增强。

Path planning for intelligent robots based on improved particle swarm optimization algorithm

ZHANG Wanjian,ZHANG Xianglan,LI Ying

School of Information Science and Technology，Northwest University，Xi'an Shaanxi 710127, China

Received:2013-08-06 Revised:2013-10-21 Online:2014-02-01 Published:2014-03-01
Contact: ZHANG Xianglan

摘要/Abstract

摘要： 针对粒子群算法局部寻优能力差的缺点，提出一种非线性动态调整惯性权重的改进粒子群路径规划算法。该算法将栅格法与粒子群算法进行有效结合，在路径长度的基础上引入安全度和平滑度概念，建立动态调整路径长度的适应度函数。与传统的粒子群算法相比，实验结果表明，改进算法具有较强的安全性、实时性及寻优能力。

关键词: 智能机器人, 路径规划, 栅格法, 粒子群算法

Abstract: As regards the poor local optimization ability of Particle Swarm Optimization (PSO), a nonlinear dynamic adjusting inertia weight was put forward to improve the particle swarm path planning algorithm. This algorithm combined the grid method and particle swarm algorithm, introduced the two concepts of safety and smoothness based on path length, and established dynamic adjustment path length of the fitness function. Compared with the traditional PSO. The experimental results show that the improved algorithm has stronger security, real-time and optimization ability.

Key words: intelligent robot, path planning, grid method, Particle Swarm Optimization (PSO) algorithm

中图分类号:

TP301.6

张万绪张向兰李莹. 基于改进粒子群算法的智能机器人路径规划[J]. 计算机应用, 2014, 34(2): 510-513.

ZHANG Wanjian ZHANG Xianglan LI Ying. Path planning for intelligent robots based on improved particle swarm optimization algorithm[J]. Journal of Computer Applications, 2014, 34(2): 510-513.

[1]	李开荣, 刘爽, 胡倩倩, 唐亦媛. 基于转角约束的改进蚁群优化算法路径规划[J]. 计算机应用, 2021, 41(9): 2560-2568.
[2]	魏博, 杨茸, 舒思豪, 万勇, 苗建国. 基于离子运动-人工蜂群算法的移动机器人路径规划[J]. 计算机应用, 2021, 41(2): 379-383.
[3]	黄书召, 田军委, 乔路, 王沁, 苏宇. 基于改进遗传算法的无人机路径规划[J]. 计算机应用, 2021, 41(2): 390-397.
[4]	王家亮, 李树华, 张海涛. 基于贝叶斯估计与区域划分遍历的四轴飞行器避障路径规划算法[J]. 计算机应用, 2021, 41(2): 384-389.
[5]	李伟, 金世俊. 基于人工势场法和启发式采样的最优路径收敛方法[J]. 计算机应用, 2021, 41(10): 2912-2918.
[6]	刘思嘉, 童向荣. 基于强化学习的城市交通路径规划[J]. 计算机应用, 2021, 41(1): 185-190.
[7]	祁玄玄, 黄家骏, 曹建安. 基于改进A^*算法的无人车路径规划[J]. 计算机应用, 2020, 40(7): 2021-2027.
[8]	徐晓强, 秦品乐, 曾建朝. 基于改进粒子群优化算法的牙齿正畸路径规划方法[J]. 计算机应用, 2020, 40(7): 1938-1943.
[9]	韩雨涝, 房鼎益. 联合无线充电与数据收集的移动充电装置多目标路径规划算法[J]. 计算机应用, 2020, 40(6): 1745-1750.
[10]	屈立成, 吕娇, 赵明, 王海飞, 屈艺华. 基于三维时空地图和运动分解的多机器人路径规划算法[J]. 计算机应用, 2020, 40(12): 3499-3507.
[11]	徐小强, 王明勇, 冒燕. 基于改进人工势场法的移动机器人路径规划[J]. 计算机应用, 2020, 40(12): 3508-3512.
[12]	童心赤, 张华军, 郭航. 多方向无人水面艇路径规划算法[J]. 计算机应用, 2020, 40(11): 3373-3378.
[13]	刘昂, 蒋近, 徐克锋. 改进蚁群和鸽群算法的机器人路径规划[J]. 计算机应用, 2020, 40(11): 3366-3372.
[14]	梅伟, 赵云涛, 毛雪松, 李维刚. 基于离散灰狼算法的喷涂机器人路径规划方法[J]. 计算机应用, 2020, 40(11): 3379-3384.
[15]	袁蒙恩, 陈立家, 冯子凯. 基于单目视觉的多种群粒子群机械臂路径规划算法[J]. 计算机应用, 2020, 40(10): 2863-2871.