-
公开(公告)号：CN105387875A
公开(公告)日：2016-03-09
申请号：CN201510996879.4
申请日：2015-12-24
申请人： 安徽工程大学
摘要： 本发明涉及一种移动机器人路径规划方法，包括如下步骤：寻找环境最短路径；当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；确定动态障碍物的运动范围；机器人沿着信息素浓度大的栅格前进；得到一条避开动态障碍物且经过指定点的最优路径。解决了蚁群算法由于自身的局限性而导致的收敛速度慢的问题，将传统蚁群算法中的参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优，再将上述参数中的其他参数保持不变，对信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显，从而提高算法的收敛速度。
-
公开(公告)号：CN105387875B
公开(公告)日：2018-01-12
申请号：CN201510996879.4
申请日：2015-12-24
申请人： 安徽工程大学
摘要： 本发明涉及一种移动机器人路径规划方法，包括如下步骤：寻找环境最短路径；当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；确定动态障碍物的运动范围；机器人沿着信息素浓度大的栅格前进；得到一条避开动态障碍物且经过指定点的最优路径。解决了蚁群算法由于自身的局限性而导致的收敛速度慢的问题，将传统蚁群算法中的参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优，再将上述参数中的其他参数保持不变，对信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显，从而提高算法的收敛速度。
-
公开(公告)号：CN105446339B
公开(公告)日：2018-03-16
申请号：CN201510976615.2
申请日：2015-12-22
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明涉及一种移动机器人路径规划方法，包括如下步骤：寻找环境最短路径；当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；确定动态障碍物的运动范围；机器人沿着信息素浓度大的栅格前进；得到一条避开动态障碍物且经过指定点的最优路径。解决了蚁群算法由于自身的局限性而导致的收敛速度慢的问题，将传统蚁群算法中的参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优，再将上述参数中的其他参数保持不变，对信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显，从而提高算法的收敛速度。
-
公开(公告)号：CN105446339A
公开(公告)日：2016-03-30
申请号：CN201510976615.2
申请日：2015-12-22
申请人： 安徽工程大学
IPC分类号： G05D1/02
CPC分类号： G05D1/0217 , G05D2201/0217
摘要： 本发明涉及一种移动机器人路径规划方法，包括如下步骤：寻找环境最短路径；当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；确定动态障碍物的运动范围；机器人沿着信息素浓度大的栅格前进；得到一条避开动态障碍物且经过指定点的最优路径。解决了蚁群算法由于自身的局限性而导致的收敛速度慢的问题，将传统蚁群算法中的参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优，再将上述参数中的其他参数保持不变，对信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显，从而提高算法的收敛速度。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
