基于改进的群算法,在复杂环境中为移动机器人进行路径规划
Yuzhuo Shi1, Huijie Zhang2, Zhisheng Li2
1College of Information Technology, Tianjin College of Commerce, Tianjin 300350, China.
Mathematical biosciences and engineering : MBE
|November 3, 2023
概括
本研究介绍了一种改进的殖民地 (CBIACO) 算法,用于移动机器人路径规划. 它提高了融合速度,全球路径质量,并在复杂,动态和未知的环境中避免障碍.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 基本的殖民地算法与合时间,路径质量和适应动态/未知的环境的适应性作斗争.
- 移动机器人路径规划需要高效和强大的算法来应对复杂的场景.
研究的目的:
- 为复杂环境中的移动机器人路径规划提出一个改进的殖民地 (CBIACO) 算法.
- 增强融合速度,全球路径质量和避难障碍能力.
主要方法:
- 开发了一种新的概率转移函数,具有适应性权重调整,以实现更快的趋同.
- 引入了一个未知的环境路径探索策略 (UPES) 进行更好的探索.
- 实施了碰撞分类模型和动态避障策略.
主要成果:
- 在已知的环境中,CBIACO算法快速生成高质量的全球路径.
- 移动机器人成功地在未知的环境中快速安全地到达目标.
- 动态避障策略有效降低了绕过障碍物时的成本.
结论:
- 对于移动机器人路径规划,CBIACO算法比基本的群算法提供了显著的改进.
- 拟议的方法在复杂的静态和动态环境中有效,包括未知的地形.
- 这项研究有助于更安全,更有效的移动机器人导航.


