基于改进粒子群算法的移动机器人路径规划

王慧; 王光宇; 潘德文

doi:10.13873/j.1000-9787(2017)05-0077-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进粒子群算法的移动机器人路径规划

研究与探讨 | 更新时间：2025-09-11

- 基于改进粒子群算法的移动机器人路径规划
- Mobile robot path planning based on modified particle swarm optimization algorithm
- 传感器与微系统 2017年36卷第5期页码：77-79
- 作者机构：
  
  1. 辽宁工程技术大学机械工程学院
  2. 沈阳职业技术学院
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-9787(2017)05-0077-03
  中图分类号： TP18;TP242
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]王慧,王光宇,潘德文.基于改进粒子群算法的移动机器人路径规划[J].传感器与微系统,2017,36(05):77-79.

WANG Hui, WANG Guang-yu, PAN De-wen. Mobile robot path planning based on modified particle swarm optimization algorithm[J]. 2017, 36(5): 77-79.
[1]王慧,王光宇,潘德文.基于改进粒子群算法的移动机器人路径规划[J].传感器与微系统,2017,36(05):77-79. DOI： 10.13873/j.1000-9787(2017)05-0077-03.

WANG Hui, WANG Guang-yu, PAN De-wen. Mobile robot path planning based on modified particle swarm optimization algorithm[J]. 2017, 36(5): 77-79. DOI： 10.13873/j.1000-9787(2017)05-0077-03.

摘要

为了提高复杂环境下移动机器人的精准导航作用

提出了移动机器人路径规划的改进粒子群优化（PSO）算法

即利用粒子个体极值的加权平均值

同时加入惯性权重。建立了移动机器人工作环境的栅格模型

利用Matlab软件进行移动机器人路径规划仿真分析。仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置

加强了全局寻优能力

在复杂环境中搜索路径性能优于传统算法。

Abstract

In order to improve precise navigation function of mobile robot in complex environment

mobile robot path planning based on improved particle swarm optimization（ PSO） algorithm is proposed

namely using particle individual extremum weighted average value

while adding inertia weight. Establish grid model for working environment of the robot

and simulation analysis on path planning of mobile robot based on Matlab software.Simulation results show that the improved PSO algorithm is easy to move the particle to the best position

and enhance the ability of global optimization

and the performance of path searching is better than the traditional algorithm in complex environment.

关键词

Keywords

references

机器人路径探测方法研究 [J]. 康朝海,任伟建,刘东辉,孙辉. 自动化技术与应用 . 2016(02)

莱维飞行的粒子群优化算法在WSNs覆盖增强中的应用 [J]. 卢玲,谢佳华. 传感器与微系统 . 2015(11)

基于粒子群优化算法的无传感器调速系统研究 [J]. 杨圣蓉,王剑平,王思,张果,杨晓洪. 传感器与微系统 . 2015(07)

Particle swarm optimization applied to hypersonic reentry trajectories [J]. Zhao Jiang,Zhou Rui. Chinese Journal of Aeronautics . 2015(03)

基于改进粒子群算法的车辆转向梯形机构优化 [J]. 刘岭,闫光荣,雷毅,肖丹,汤修映. 农业工程学报 . 2013(10)

Hybrid optimization algorithm based on chaos,cloud and particle swarm optimization algorithm [J]. Mingwei Li,Haigui Kang,Pengfei Zhou,Weichiang Hong. Journal of Systems Engineering and Electronics . 2013(02)

基于LCC和改进粒子群算法的配电网多阶段网架规划优化 [J]. 苏海锋,张建华,梁志瑞,牛胜锁. 中国电机工程学报 . 2013(04)

改进粒子群算法优化BP神经网络的短时交通流预测 [J]. 李松,刘力军,翟曼. 系统工程理论与实践 . 2012(09)

移动机器人的路径规划与定位技术研究 [D]. 张琦. 哈尔滨工业大学 2014

基于粒子群优化算法的移动机器人路径规划研究 [D]. 李珊. 西安科技大学 2011

基于模糊算法的移动机器人路径规划 [D]. 李宝霞. 燕山大学 2010

浏览量

528

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

未知环境下改进变步长蚁群算法的机器人路径规划

基于改进蚁群算法的移动机器人路径规划

基于改进双向A^*的移动机器人路径规划算法

移动机器人的智能路径规划算法综述

改进D^*算法的移动机器人路径规划