1. 长安大学道路施工技术与装备教育部重点实验室
2. 河南卫华重型机械股份有限公司
3. 河南工学院电气工程与自动化学院
纸质出版:2023
移动端阅览
马兵, 吕彭民, 刘永刚, 等. 基于改进火烈鸟搜索算法的移动机器人路径规划[J]. 传感器与微系统, 2023,(11):123-126.
马兵, 吕彭民, 刘永刚, 等. 基于改进火烈鸟搜索算法的移动机器人路径规划[J]. 传感器与微系统, 2023,(11):123-126. DOI: 10.13873/J.1000-9787(2023)11-0123-04.
DOI:
为改善火烈鸟搜索算法(FSA)在路径规划中易陷入局部误区的问题,提出改进FSA(IFSA)用于移动机器人路径规划。该算法引入自适应Sigmoid非线性因子实现种群动态调整,平衡了算法的全局搜索与局部搜索;同时,嵌入自适应混合精细分级的觅食位置更新方式,增强算法局部寻优能力;进一步提出随机镜面反射学习(RSRL)机制并应用于算法种群逐维学习,提高算法的寻优效率与精度。实验结果表明:IFSA能够快速获取最短路径,寻优能力优于其他算法,具有较强的稳定性和鲁棒性。
基于改进果蝇算法的焊接机器人路径规划[J]. 聂芬;赵志华.制造技术与机床,2021(10)
优化多步长蚁群算法求解机器人路径规划问题[J]. 胡佳斌;王祥澍;张琪;全瑞坤.传感器与微系统,2021(10)
基于改进遗传算法的机器人路径规划方法[J]. 汤云峰;赵静;谢非;李鑫煌;林智昌;刘益剑.南京师范大学学报(工程技术版),2021(03)
基于改进正余弦算法的机器人路径规划[J]. 马莹莹;杜暖男.重庆交通大学学报(自然科学版),2021(09)
未知环境下改进变步长蚁群算法的机器人路径规划[J]. 徐玉琼;娄柯;李志锟.传感器与微系统,2021(09)
一种改进灰狼优化算法的移动机器人路径规划方法[J]. 游达章;康亚伟;刘攀;胡雅梦.机床与液压,2021(11)
基于改进蚁群算法的移动机器人路径规划[J]. 高茂源;王好臣.传感器与微系统,2021(06)
基于改进蚁群算法的移动机器人二维路径规划[J]. 刘泽;金世俊;王庆.传感器与微系统,2020(10)
基于烟花混合蚁群的移动机器人路径规划研究[J]. 周森鹏;穆平安;张仁杰.包装工程,2019(11)
基于改进粒子群优化算法的移动机器人路径规划[J]. 王娟;吴宪祥;郭宝龙.计算机工程与应用,2012(15)
移动机器人行走路径环境建模方法综述与解析[J]. 时丕芳;赵永瑞.现代制造技术与装备,2010(01)
Golden Sine Algorithm: A Novel Math-Inspired Algorithm[J]. TANYILDIZI, E.;DEMIR, G..Advances in Electrical and Computer Engineering,2017
SCA: A Sine Cosine Algorithm for solving optimization problems[J]. Seyedali Mirjalili.Knowledge-Based Systems,2016
Grey Wolf Optimizer[J]. Seyedali Mirjalili;Seyed Mohammad Mirjalili;Andrew Lewis.Advances in Engineering Software,2014
0
浏览量
285
下载量
1
CSCD
关联资源
相关文章
相关作者
相关机构