学位论文 > 优秀研究生学位论文题录展示

群智能优化算法在路径规划中的应用研究

作　者: 马千知
导　师: 雷秀娟
学　校: 陕西师范大学
专　业: 计算机应用技术
关键词: 路径规划群智能蚁群优化算法粒子群优化算法人工蜂群算法人工鱼群算法
分类号: O221
类　型: 硕士论文
年　份: 2010年
下　载: 264次
引　用: 1次
阅　读: 论文下载

内容摘要

路径规划问题一般是指在一定约束条件下,寻找从给定起始点到给定目标点之前满足某种性能指标最优的路径轨迹。路径规划的好坏,往往会对任务的完成产生重大的影响。因此,对路径规划的研究也成为了各有关领域研究的重要内容。群智能优化算法是模拟群体生物行为产生的,是近年来兴起的一类基于群体的、能够自适应搜索的优化算法。目前提出的群智能优化算法有蚁群优化算法、粒子群优化算法、人工鱼群算法、人工蜂群算法。由于群智能优化算法思想简单、易于操作,且对优化函数没有特殊的要求而得到了人们的普遍关注。本文将二者结合起来,研究了群智能优化算法在不同领域中路径规划规划问题的应用。文中首先分析了课题研究的意义与国内外研究现状,介绍了针对各领域路径规划提出的一些已有的路径规划方法以及群智能优化算法的目前发展现状,然后给出了四种群智能优化算法在静态环境与动态不确定环境下的移动机器人路径规划与无人机航迹规划的解决方法：首先是蚁群优化算法在机器人全局路径规划中的应用仿真,文中对机器人运动环境用栅格法进行建模,介绍了蚁群算法的应用设计方法,并采用基本蚁群优化算法与两种改进蚁群优化算法在不同栅格大小以及不同障碍物密度环境中分别进行仿真实验。在静态复杂环境下机器人全局路径规划中,本文从解决约束优化问题的两个角度进行考虑,、针对机器人路径规划的特点,设计了不同的适应度评价函数,采用两种改进的粒子群优化算法进行全局路径规划,其一是鉴于机器人路径规划问题中的约束将规划空间分割成了比较明显的区域,考虑到二阶振荡粒子群算法可以按阶段进行搜索的优势,提出采用基于二阶振荡粒子群算法的路径规划方法。另结合正交试验设计方法的全局寻优性,提出一种新的混合正交粒子群优化算法,以提高算法在求解机器人路径规划问题中的全局搜索性能。与其它算法的仿真实验结果比较,说明了算法的有效性。在动态不确定环境下,本文提出了结合时间滚动窗口与人工蜂群算法的移动机器人路径规划方法。详细介绍了机器人所在动态运动环境的表示方法,描述了滚动时间窗口策略,以及人工蜂群算法在时间滚动窗口局部规划时的个体编码方式、适应度函数计算、碰撞检测方法问题,最后给出了采用时间滚动窗口与人工蜂群算法规划路径的实现方法原理及步骤,通过对机器人在动态不确定环境下的仿真实验,验证了算法的可行性。本文还提出采用人工鱼群算法进行二维雷达威胁环境中的无人机航路规划方法,文中根据航路规划要求设计了威胁检测以及人工鱼编码与个体评价方法,然后通过与其它算法的仿真对比实验显示了算法设计的合理性。

全文目录

摘要  3-5
Abstract  5-9
第1章绪论  9-15
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10-13
    1.2.1 路径规划的研究现状  10-12
    1.2.2 群智能优化算法的研究现状  12-13
  1.3 本文研究目标与研究内容  13
  1.4 论文的特色和创新之处  13-14
  1.5 论文的章节安排  14-15
第2章群智能优化算法研究  15-31
  2.1 群智能优化算法概述  17-18
  2.2 蚁群优化算法  18-22
    2.2.1 算法描述  18-20
    2.2.2 算法步骤  20-21
    2.2.3 蚁群优化算法改进模型  21-22
  2.3 粒子群优化算法  22-24
    2.3.1 算法描述  22-23
    2.3.2 基本PSO算法步骤  23
    2.3.3 粒子群优化算法改进模型  23-24
  2.4 人工蜂群算法  24-26
    2.4.1 算法描述  25
    2.4.2 算法步骤  25-26
  2.5 人工鱼群算法  26-28
    2.5.1 算法描述  27-28
    2.5.2 算法步骤  28
  2.6 小结  28-31
第3章机器人全局路径规划的蚁群优化算法应用  31-37
  3.1 环境建模  31-32
  3.2 路径表示  32
  3.3 基于蚁群优化算法的路径规划  32-33
    3.3.1 避免碰撞策略  32-33
    3.3.2 状态转移函数  33
  3.4 算法步骤  33-34
  3.5 仿真实验与分析  34-36
  3.6 小结  36-37
第4章机器人全局路径规划的粒子群优化算法应用  37-51
  4.1 环境建模  37-38
  4.2 碰撞检测  38-39
  4.3 基于二阶振荡粒子群算法路径规划  39-44
    4.3.1 二阶振荡粒子群算法  39-40
    4.3.2 算法应用相关问题描述  40-42
    4.3.3 算法步骤  42
    4.3.4 仿真实验结果与分析  42-44
  4.4 基于混合正交粒子群算法的路径规划  44-49
    4.4.1 混合正交粒子群算法  44-45
    4.4.2 算法应用相关问题描述  45-47
    4.4.3 算法步骤  47
    4.4.4 仿真实验结果与分析  47-49
  4.5 小结  49-51
第5章机器人动态路径规划的人工蜂群算法应用  51-61
  5.1 动态环境表示  51-52
  5.2 时间滚动窗口策略  52-53
  5.3 基于人工蜂群算法的局部路径规划  53-57
    5.3.1 局部路径规划描述  53-54
    5.3.2 碰撞检测  54-56
    5.3.3 蜜源位置编码  56
    5.3.4 个体适应度函数  56-57
  5.4 算法步骤  57-58
  5.5 仿真实验与分析  58-60
  5.6 小结  60-61
第6章无人机航路规划的人工鱼群算法应用  61-69
  6.1 环境模型建立  61-62
  6.2 航路表示  62
  6.3 基于人工鱼群算法的航路规划  62-64
    6.3.1 人工鱼个体编码  62-63
    6.3.2 威胁检测  63
    6.3.3 个体评价函数  63-64
  6.4 算法步骤  64
  6.5 仿真实验结果与分析  64-67
  6.6 小结  67-69
第7章总结与展望  69-71
  7.1 总结  69-70
  7.2 未来展望  70-71
参考文献  71-75
致谢  75-76
攻读硕士学位期间的研究成果  76-77
  论文情况  76
  项目情况  76-77

群智能优化算法在路径规划中的应用研究

内容摘要

全文目录

相似论文