一种基于改进人工蜂群算法的机器人实时路径规划方法

doi:10.3969/j.issn.1006-2475.2015.03.001

计算机与现代化

• 算法设计与分析 • 下一篇

一种基于改进人工蜂群算法的机器人实时路径规划方法

河海大学物联网工程学院，江苏常州213022

收稿日期:2014-12-12 出版日期:2015-03-23 发布日期:2015-03-26
作者简介:殷霞红(1989-),女,江苏泰兴人,河海大学物联网工程学院硕士研究生,研究方向:机器人路径规划; 倪建军(1978-),男,安徽黄山人,教授,硕士生导师,博士,研究方向:神经网络,多机器人系统; 吴榴迎(1991-),女,浙江桐庐人,硕士研究生,研究方向:机器人导航。
基金资助:
国家自然科学基金资助项目(61203365); 江苏省自然科学基金资助项目(BK2012149); 中央高校基本科研业务费专项基金资助项目(2011B04614)

An Improved Artificial Colony Algorithm for Real-time Path Planning of Mobile Robot

College of IOT Engineering, Hohai University, Changzhou 213022, China

Received:2014-12-12 Online:2015-03-23 Published:2015-03-26

摘要/Abstract

摘要：

在移动机器人控制领域，路径规划是最重要并具有挑战性的问题之一。本文首先采用栅格法对环境进行建模，然后提出一种改进的人工蜂群算法用于机器人的路径规划。在该算法中，为了提高人工蜂群算法的收敛速度，提出自适应的搜索方式，并采用精英保留选择策略以避免机器人路径规划陷入局部最优。仿真实验结果表明，所提算法在机器人路径规划上的可行性与有效性。

关键词: 路径规划, 人工蜂群算法, 自适应搜索, 精英保留选择策略

Abstract: Path planning problem is one of the most important and challenging issues in mobile robot control field. In this paper, the grid method was used to model the robot working environment firstly. Then an improved artificial colony algorithm was put forward for robot path planning. In this algorithm, an adaptive search method was proposed in order to improve the convergence speed of the artificial colony algorithm and the elitist selection strategy was used to avoid the robot path planning falling into a local optimum. Experimental results show the feasibility and effectiveness of the proposed algorithm in path planning for mobile robots.


Key words: path planning, artificial colony algorithm, adaptive search, elitist selection strategy

中图分类号:

TP18

殷霞红,倪建军,吴榴迎. 一种基于改进人工蜂群算法的机器人实时路径规划方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2015.03.001.

YIN Xia-hong, NI Jian-jun, WU Liu-ying. An Improved Artificial Colony Algorithm for Real-time Path Planning of Mobile Robot[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2015.03.001.

参考文献

［1]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.
［2]石为人,黄兴华,周伟. 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, 2010,30(8):2021-2023.
［3]杨淮清,肖兴贵,姚栋. 一种基于可视图法的机器人全局路径规划算法［J]. 沈阳工业大学学报, 2009,31(2):225-229.
［4]陈卫东,朱奇光. 基于模糊算法的移动机器人路径规划［J]. 电子学报, 2011,39(4):971-974.
［5]Li H, Yang S X, Seto M L. Neural-network-based path planning for a multirobot system with moving obstacles［J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 2009,39(4):410-419.
［6]Tsai C C, Huang H C, Chan C K. Parallel elite genetic algorithm and its application to global path planning for autonomous robot navigation［J]. IEEE Transactions on Industrial Electronics, 2011,58(10):4813-4821.
［7]刘广瑞,刘军,孔令云. 移动机器人路径规划蚁群算法及其收敛性分析［J]. 郑州大学学报（工学版）, 2012,33(2):24-27.
［8]靳其兵,赵振兴,苏晓静,等. 基于粒子健康度的快速收敛粒子群优化算法［J]. 化工学报, 2011,62(8):2328-2333.
［9]赵鹏军,刘三阳. 求解复杂函数优化问题的混合蛙跳算法［J]. 计算机应用研究, 2009,26(7):2435-2437.
［10]康冰,王曦辉,刘富. 基于改进蚁群算法的搜索机器人路径规划［J]. 吉林大学学报(工学版）, 2014,44(4):1062-1068.
［11]Shakiba R, Najafipour M, Salehi M E. An improved PSO-based path planning algorithm for humanoid soccer playing robots［C]// 2013 3rd Joint Conference of AI & Robotics and 5th RoboCup Iran Open International Symposium (RIOS). 2013:1-6.
［12]胡珂,李迅波,王振林. 改进的人工蜂群算法性能［J]. 计算机应用, 2011,31(4):1107-1110.
［13]胡中华,赵敏. 基于人工蜂群算法的TSP仿真［J]. 北京理工大学学报, 2009,29(11):978-982.
［14]温长吉,王生生,于合龙,等. 基于改进蜂群算法优化神经网络的玉米病害图像分割［J]. 农业工程学报, 2013,29(13):142-149.
［15]王慧颖,刘建军,王全洲. 改进的人工蜂群算法在函数优化问题中的应用［J]. 计算机工程与应用, 2012,48(19):36-39.
［16]Ni Jianjun, Yang S X. Bioinspired neural network for real-time cooperative hunting by multirobots in unknown environments［J]. IEEE Transactions on Neural Networks, 2011,22(12):2062-2077.
［17]Tian Yan-tao, Yang Mao, Qi Xin-yue, et al. Multi-robot task allocation for fire-disaster response based on reinforcement learning［C]// 2009 International Conference on Machine Learning and Cybernetics. 2009,4:2312-2317.

[1]	李鹏, 徐珞. 一种面向城市战场的智能车自主导航方法[J]. 计算机与现代化, 2024, 0(01): 92-98.
[2]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[3]	邓云峥, 黄翼虎. 密集障碍环境下的改进DWA避障算法[J]. 计算机与现代化, 2023, 0(07): 48-53.
[4]	杜传胜, 高焕兵, 侯宇翔, 汪子建. 基于改进双向A*算法的消防机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 15-19.
[5]	王梓薇. 基于双层模糊推理和改进DWA的多机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 20-25.
[6]	田小壮, 李松, 付国萍, 谭启昀, 单德帅, 王伟光, 王祝. 时间最优的无人机巡检避障路径规划[J]. 计算机与现代化, 2023, 0(03): 43-47.
[7]	申浩阳, 陈晓雷, 袁俊岭, 韩禄. 面向UAV的三维空间快速路径规划算法[J]. 计算机与现代化, 2023, 0(02): 6-11.
[8]	王阔, 郝福珍. 面向带时间窗车辆路径问题的PGSA算法优化[J]. 计算机与现代化, 2022, 0(12): 26-32.
[9]	张小芳, 冯慧芳. 基于轨迹大数据的动态最优路径规划[J]. 计算机与现代化, 2021, 0(11): 82-88.
[10]	刘羽飞, 张绪美, 梁晓磊. 基于CiteSpace的AGV路径规划研究热点分析[J]. 计算机与现代化, 2021, 0(05): 112-119.
[11]	侯义飞, 杨勇. 基于特征点集GABC算法的WSN覆盖优化[J]. 计算机与现代化, 2021, 0(04): 74-78.
[12]	李淑霞, 杨俊成, . 一种改进的全覆盖路径规划算法[J]. 计算机与现代化, 2021, 0(02): 100-103.
[13]	王振庭, 陈永府, 刘田. 智能仓储中的多机器人调度方法[J]. 计算机与现代化, 2020, 0(07): 65-70.
[14]	肖玮, 张磊, 邱泽华, 钟勇, 张铁楠. 基于多目标点A*算法的停车场车位路径引导系统设计[J]. 计算机与现代化, 2020, 0(06): 40-.
[15]	张高林1,张继宇2,周萌3. 未知环境中基于量子蚁群优化的移动机器人实时路径规划[J]. 计算机与现代化, 2018, 0(07): 49-.

一种基于改进人工蜂群算法的机器人实时路径规划方法

An Improved Artificial Colony Algorithm for Real-time Path Planning of Mobile Robot

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价