题名 | 基于改进蚁群算法的捡球机器人多目标路径规划研究 |
作者 | 耿振节 |
答辩日期 | 2015 |
导师 | 曹洁 ; 吕兴寿 |
关键词 | 捡球机器人 改进蚁群算法 自适应 多目标 路径规划 |
学位名称 | 硕士 |
英文摘要 | 路径规划算法是捡球机器人搜索到有效路径的核心技术,目前已经成为机器人技术中的研究热点。路径规划算法众多,但对于解决多目标路径规划问题,每种算法都存在不同程度的缺陷。蚁群算法虽然也有自身的不足,但其具有并行性和正反馈性,并且容易和其他智能算法结合,相对来说,比较适合于解决多目标路径规划问题。本文将针对蚁群算法存在的问题进行研究。主要工作如下:(1)设计智能捡球机器人并对其捡球环境建模。编程实现配合捡球机器人工作的远程监控终端,为后续算法的实验搭建硬件平台。捡球机器人工作环境为网球场,通过场内顶部视觉传感器获取环境信息后,直接对信息进行数据处理。全部环境数据学习完成后,采用栅格法对环境进行划分,栅格大小可根据实际需要和处理能力调整。文中将对每个栅格做标识,只考虑机器人在二维空间XY上的信息。(2)研究适于捡球机器人多目标路径规划的改进蚁群算法,采用MFC编程实现多目标路径规划算法仿真软件,并在仿真软件中实现算法的实验。针对蚁群算法存在搜索速度慢,且容易陷入局部最优的问题,通过对蚁群算法在多目标路径规划的过程中搜索路径机理的深入分析,发现不同的搜索阶段对算法参数有不同的需求。文中利用算法参数因子对算法搜索性能的重要性,提出一种根据迭代次数自适应改变算法参数的改进蚁群算法,使得算法能够快速高效地规划出理想路径。(3)针对蚁群算法搜索速度慢的问题,在改进蚁群算法的基础上,研究适于捡球机器人多目标路径规划的融合算法,并在仿真软件中实现算法的实验。由于蚁群算法依靠信息素的积累和更新寻找路径,初始阶段所有路径上的信息素相等,体现不出解的多样性,进而导致收敛速度慢,且规划出的路径往往不是最优或者接近最优的路径。而遗传算法虽然可在路径搜索初期快速地建立初始路径信息,增加解的多样性,但却忽略了反馈信息,导致大量的冗余迭代,求解效率低。基于此,文中首先利用遗传算法的快速随机搜索性生成初始路径信息,然后充分利用改进蚁群算法的优势,研究两者的融合算法,进一步提高路径搜索效率。 |
语种 | 中文 |
页码 | 64 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/91326] ![]() |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 耿振节. 基于改进蚁群算法的捡球机器人多目标路径规划研究[D]. 2015. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论