一种遗传蚁群算法的机器人路径规划方法

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)。

第２卷第３７期
文章编号：０６—９４（００００７１０３８２１）３— １０—０５
计
算
机
仿
真
２１年３００月
一
种遗传蚁群算法的机器人路径规划方法
何娟，中英，玉刚涂牛
（东理工Biblioteka 大学信息科学与工程学院，海２０３）华上０２７
ｅａｏｓｉｔＯ，ｅｂｓｏｇｔｆｈＡＡＣａｇｒｈｉｔａ，ｈｌｏｉｍｕｅＡｅｅａｅｔｅｉｉａｈｒ — ｒｔｒｎｏＡＣｔａｉｔｕｈｅＧｈｃｈｏｔｌｏｔｍｈｔｔｅａｇｒｈｓｓＧｔｇｎｒｔｈｎｔｌｅｏｉｓｔｏｉｐｍｏｅｄｓｉｕｉｎｉｈｒｒｓａｅａｄｔｅｓｓＡＣｏｗｏｋｏｔｈｉａｏｕｉｎｉｈａｅｔｇ．ＢｏｎＯｎｉｔｂｔｎｔｅｆｍｅｔｇｎｈｎｕｅＯｔｒｕｅｆｌｓｌｔｎｔｅｌｔｒｓｅｙｄｉｇＳ，ｒｏｏｔｎｏａｔｅｍｅｔｏｅｔｏａｇｒｔｍｓｃｎｂｄｅｍｏｔｓｆｔｂａｎｔｅｅｃｅｃｆｔｎｒｃｓｏ．Ｔｅｓ — ｈｒｓｆｈｗｌｏｉｉｔｈａｅｍａｅｔｓｅｏｏｔｉｆｉｎｙｏｍｅａｄｐｅｉｉｎｈｉｈｕｏｈｉｉｍｕ
Ｓａｇａ０２７，Ｃｉａｈｎｈｉ０３２ｈｎ）
ＡＢＴＡＣＡｏｐｐｌｔｌｅｃｐｉａａｏｉｍ，ｎＣｌｙＯｔａＡｇｒｈ（Ｃ）ａｄＧｎｔ１ＳＲＴ：ｓｗｏｕａｉｅｉｎｅｏｔｌｌｒｈＡｔｏｎｐｉｌｌｉｍＡＯｎｅｅｃ一ｔｒｎｌｇｍｇｔｏｍｏｔｉＡ
具有深度陷阱的特殊障碍物环境下，用Ｇ —ＡＯ算法求解机器人路径规划问题可以得到较好的的结果。应ＡＣ关键词：传算法；群算法；器人路径规划遗蚁机中图分类号：Ｐ４Ｔ２文献标识码：Ａ
ｌｔｎｒｓｌｎｉａｅｈａｎｒｄｕｉａｉｅｕｔｉｄｃｔｓｔｔｉｔｏｃｎｇＧＡ —ＡＣＯｌｏｉｈｔｂｉｅｒｂｔｃｐａｈｐｌｎｎｎｇｐｒｂｅｉｂｓａｌｎｖｒｏ — ａｇｒｔｍｏｍｏｌｏｏｉｔａｉｏｌｍｎｏｔｃｅｅｉ－－
摘要：研究遗传算法和蚁群算法呵作为新兴的智能优化算法，在解决多目标、非线性的组合优化问题上表现出了传统优化算法无可比拟的优越性。于将两种智能优化算法动态融合的思想提出了一种新的遗传蚁群算法（Ａ—ＡＯ）ＧＣ。与已有的将遗传算子引入蚁群算法的结合方式不同之处在于，Ａ—ＡＯ算法第一阶段采用了遗传算法生成初始信息素分布，ＧＣ在第二阶段采用蚁群算法求出最优解，从而有效地结合了遗传算法的快速收敛性和蚁群算法的信息正反馈机制。仿真结果表明，在
ａｇｒｔｌｏｉｈｍｓ，ｈａｅｒｐｓｓａｋｎｄｏｔｅｐｐｒｐｏｏｅｉｆＧＡ — ＡＣＯｇｒｔｍ．Ｄｉｆｒｆｏｔｅｅｉｔｎｔｏｆｉｓ￣ｉｇｇｅｉｐＡｌｏｉｈｆｅｒｍｈｘｓｅｔｍｅｈｄｏｎｅｎｅｎｔｃ０ —
ＡｅｈｏｆＭｏｉｅＲｏｔｃＰａｈＰｌｎｉｓｄｏＭｔｄｏｂｌｂｏｉｔａｎｎｇＢａｅｎ
ＩｅｒｔｎｇｏｎｔｇａｉｆＧＡｎＣＯａｄＡ
ＨＥＪａＴｈｎｕｎ，ＵＺｏｇ—ｙｎ，ＵＹｕ—ｇｎｉｇＮＩａｇ
（ｃｏｌｆｎｒｔｎＳｉｃｎｎｉｅｒｇＥｓＣｉｎｖｒｔｏＳｉｎｅａｄＦｃｎｌｇ，ＳｈｏｏｆｍａｏｃｎｅａｄＥｇｎｅｉ，ａｔｈｎＵｉｅｉｆｃｅｃｎｅｈｏｙＩｏｉｅｎａｓｙｏ
ｏｎｉｅｐｔｐｌｍｉａｅｔｅｃｅｃ．ｍｅｔｗｔｄｅｒｓｉｕｎｔｓｉｆｉｎｙｈａｌｓｉ
ＫＥＹＷＯＲＤＳ：ｎｔｃａｇｒｔｍ；ｏｏｐｉｌａｇｒｔｍ；ｂｌｏｏｉａｈｐａｎｎＧｅｅｉｌｏｉｈＡｎｔｃｌｎｙｏｔｍａｌｏｉｈＭｏｉｅｒｂｔｃｐｔｌｎｉｇ
ｇｒｈ（Ａ）ｐｒｒｅｔａａｉｎｌｐｉａａｏｉｍａｙｆｌｓａｅｎｔｅｉｔｒｉｆｈｏｏｔｍＧｉｅｏｍｂｔｒｈｎｔｄｔａｏｔｌｌｒｈｓｉｍｎｅ．Ｂｓｄｏｎｇａｏｏｅｔｆｅｔｒｉｍｇｔｏｎｉｄｈｅｔｎｔｗ