蜂群优化算法的机器人路径规划

发布时间：2022-12-09 05:17

　　提出了一种改进人工蜂群算法用于机器人的路径规划。为了防止算法早熟,基于梯度下降算法的思想对蜜源位置更新公式进行了改进,同时在公式中引入了自适应位置更新系数。以上述改进公式为基础,基于Bootstrap采样策略,对引领蜂和观察蜂各自的种群进行重采样,以提高算法收敛速度。在部分标准测试函数上对所提算法进行了有效性验证,结果表明所提算法较以往的蜂群算法具有更高的收敛速度,且收敛精度提高。将所提算法与改进较优的FSABC算法用于移动机器人路径规划。多次试验结果表明,所提算法具有更高的精度,速度更快等优点。 

【文章页数】：6 页

【文章目录】：
1 Bst-ABC算法模型
    1.1 ABC算法
    1.2 蜜源位置公式的改进
    1.3 改进人工蜂群算法(Bst-ABC)
2 路径规划
    2.1 参数选择
    2.2 路径规划仿真
3 结论


【参考文献】：
期刊论文
[1]基于改进PSO算法的机器人路径规划及实验[J]. 康玉祥,姜春英,秦运海,叶长龙.  机器人. 2020(01)
[2]基于自适应进化策略的人工蜂群优化算法[J]. 张强,李盼池,王梅.  电子科技大学学报. 2019(04)
[3]基于改进A*算法的移动机器人路径规划[J]. 陆皖麟,雷景森,邵炎.  兵器装备工程学报. 2019(04)
[4]一种改进的人工蜂群算法——粒子蜂群算法[J]. 王继超,李擎,崔家瑞,左文香,赵越飞.  工程科学学报. 2018(07)
[5]基于势场蚁群算法的移动机器人全局路径规划方法[J]. 刘建华,杨建国,刘华平,耿鹏,高蒙.  农业机械学报. 2015(09)
[6]基于局部搜索的人工蜂群算法[J]. 刘三阳,张平,朱明敏.  控制与决策. 2014(01)
[7]改进人工蜂群算法[J]. 毕晓君,王艳娇.  哈尔滨工程大学学报. 2012(01)
[8]移动机器人路径规划方法研究[J]. 曲道奎,杜振军,徐殿国,徐方.  机器人. 2008(02)



本文编号：3714903