FGOALS性能优化技术研究

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

—
８３９．
（３）本文算法亦可以应用到未知动态环境中的路径规划。文献［１９］中的动态避碰策略的基本思想是将机器人视野域内
的动态障碍物沿其运动方向延伸为一较大的静态障碍物，从而将动态避碰问题转化为静态避碰问题来解决。借鉴此思想，本文做了未知动态环境的中的路径规划实验。实验结果如图５所示，图中圆圈表示动态障碍物。
知识引导的遗传算法ＫＧＡ、蚁群算法、加入Ｌｏｇｉｓｔｉｃ映射的ＰＳＯ和本文算法分别执行１０次，得到每个算法的平均求解时间和平均路径长度，结果如表１所示。
表１不同算法比较
［３］王雪松，高阳，程玉虎，等．知识引导遗传算法实现机器人路径规划［Ｊ］．控制与决策，２００９，２４（７）：１０４３—１０４９．［４］ＭａｓｅｈｉａｎＥ，Ａｍｉｎ — ＮａｓｅｉｒＭＲ．Ｓｅｎｓｏｒ — ｂａｓｅｄｒｏｂｏｔｍｏｔｉｏｎｐｌａｎｎｉｎｇ－Ａｔａｂｕｓｅａｒｃｈａｐｐｒｏａｃｈ［Ｊ］．ＩＥＥＥＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎＭａｇａｚｉｎｅ，
［９］ＣｈｅｎＤＢ，ＺｈａｏＣＸ．Ｐａｒｔｉｃｌｅｓｗａｍｉｏｐｔｉｍｉｚａｔｉｏｎｗｉｔｈａｄａｐｔｉｖｅｐｏｐｕ－
ｌａｔｉｏｎｓｉｚｅａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｊ］．ＡｐｐｌｉｅｄＳｏｔｆＣｏｍｐｕｔｉｎｇ，２００９，９
２００８，１５（２）：４８—５７．
算法
ＰＳＯＥＴｌ
平均时间／ｓ
４６６２
．
平均路径长度
５９３．１８
［５］钟建冬，苏剑波．基于概率路标的机器人狭窄通道路径规划［Ｊ］．控制与决策，２０１０，２５（１２）：１８３ｌ一１８３６．［６］ＫｅｎｎｅｄｙＪ，ＥｂｅｒｈａｔｒＲＣ．Ｐａｒｔｉｃｌｅｓｗａｌｓ，ｎｏｐｔｉｍｉｚａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄ —
（１）：３９— ４８．
［１Ｏ］张英杰，刘朝华．融合微粒群的多种群协同进化免疫算法［Ｊ］．控制与决策，２０１０，２５（１１）：１６５７—１６６２．
［１１］ＪｉｎＹｉｓｕ，ＪｏｓｈｕａＫｎｏｗｌｅｓ，ＬｕＨｏｎｇｍｅｉ，ｅｔ１ａ．Ｔｈｅｌａｎｄｓｃａｐｅａｄａｐｔｉｖｅｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，２００８，８（１）：
ｋＧＡ［３］
４５２５
．
５ห้องสมุดไป่ตู้９０
自适应蚁群算法［ ”］加入Ｌｏｇｉｓｔｉｃ映射的ＰＳＯ本文算法
４５．１２５２．７８４８．３５
５９１．１２５８５．４７５８３．５４
ｉｎｇｓｏｆＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｆｅｎｒｅｎｃｅｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，Ｐｅｒｔｈ，
Ａｕｓｔｒａｌｉａ，１９９５：１９４２—１９４８．
ｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｏｆＦｅｒｇｕｓｏｎＳｐｌｉｎｅｓ［Ｃ］／／ＥｍｅｒｇｉｎｇＴｅｃｈｎｏｌｏｇｉｅｓ
ａｎｄＦａｃｔｏｒｙＡｕｔｏｍａｔｉｏｎ２００６．Ｐｒａｇｕｅ，Ｃｚｅｃｈ：ＩＥＥＥＰｒｅｓｓ，２００６：８３３
第５期
周峰：基于Ｔｅｎｔ混沌粒子群算法的滚动窗口路径规划
ａｌＥｌｅｃｔｒｏｎｉｃｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８：２９８—３０１．
７９
为了消除一次运行结果中诸多随机因素的影响，对ＰＳＯ、
［７］孙波，陈卫东，席裕庚．基于粒子群优化算法的移动机器人全局路径规划［Ｊ］．控制与决策，２００５，２０（９）：１０５２—１０６０．［８］ＳａｓｋａＭ，ＭａｃａｓＭ，ＰｒｅｕｃｉｌＬ．Ｒｏｂｏｔｐａｔｈｐｌａｎｎｉｎｇｕｓｉｎｇｐａｒｔｉｃｌｅ