基于改进型蚁群算法的AUV路径规划

被引:13
作者
董凌艳 [1 ,2 ]
徐红丽 [1 ]
机构
[1] 中国科学院沈阳自动化研究所机器人学国家重点实验室
[2] 中国科学院大学
关键词
路径规划; 蚁群算法; 再励学习; Dijkstra算法; 信息素更新; 自治水下机器人;
D O I
10.19557/j.cnki.1001-9944.2017.03.001
中图分类号
TP18 [人工智能理论]; TP242 [机器人];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 1111 ;
摘要
在已知障碍物的环境中寻找一条从起点到终点的无碰路径即为路径规划。扩展改进型蚁群算法应用背景,应用于智能水下机器人(AUV)的路径规划。为改善传统蚁群算法在实际应用中的不足,提出加入再励学习机制的改进型蚁群算法。通过对蚁群信息素更新实行奖惩制度后,改善蚁群算法搜索求解缓慢,易陷入局部最优解而产生停滞现象,提高算法的搜索速度及寻优能力,能够明显地提高路径规划的效率。仿真结果验证了改进算法的有效性。
引用
收藏
页码:1 / 4
页数:4
相关论文
共 10 条
[1]   概率地图UAV航线规划的改进型蚁群算法 [J].
陈岩 ;
苏菲 ;
沈林成 .
系统仿真学报, 2009, 21 (06) :1658-1662+1666
[2]   一种改进的机器人路径规划蚁群算法 [J].
王沛栋 ;
冯祖洪 ;
黄新 .
机器人, 2008, 30 (06) :554-560
[3]   自治水下机器人的研发现状与展望 [J].
李晔 ;
常文田 ;
孙玉山 ;
苏玉民 .
机器人技术与应用, 2007, (01) :25-31
[4]   基于遗传模拟退火算法的水下机器人路径规划 [J].
顾国昌 ;
付岩 ;
刘海波 .
哈尔滨工程大学学报, 2005, (01) :84-87
[5]   移动机器人路径规划技术的现状与展望 [J].
张捍东 ;
郑睿 ;
岑豫皖 .
系统仿真学报, 2005, (02) :439-443
[6]   基于遗传算法的水下机器人大范围路径规划 [J].
彭艳 ;
顾国昌 .
应用科技, 2003, (02) :18-21
[7]   自适应调整信息素的蚁群算法 [J].
覃刚力 ;
杨家本 .
信息与控制, 2002, (03) :198-201+210
[8]  
一种基于模糊神经网络采用再励学习的PID控制器[D]. 张云.曲阜师范大学. 2003
[9]  
智能水下机器人分层全局路径规划方法研究[D]. 张巧荣.哈尔滨工程大学. 2002
[10]  
MATLAB智能算法30个案例分析[M]. 北京航空航天大学出版社 , 史峰, 2011