首页> 中文学位 >基于改进人工蜂群算法的机器人路径规划
【6h】

基于改进人工蜂群算法的机器人路径规划

代理获取

目录

声明

致谢

摘要

第一章 绪论

1.1 研究背景与意义

1.2 研究现状

1.2.1 人工蜂群算法

1.2.2 移动机器人路径规划

1.2.3 Taguchi正交试验

1.3 本文的主要研究内容和创新之处

1.3.1 研究内容

1.3.2 创新之处

1.4 本文的结构安排

2.1 人工蜂群算法

2.2 Taguchi试验分析

2.2.1 正交表

2.2.2 极差分析

第三章 对人工蜂群算法的改进

3.1 基于混沌映射的初始位置产生规则

3.2 等距分布式并行搜索规则

3.3 基于并行机制的选择策略

3.4 基于势场作用的全局更新机制

3.5 IABC算法的实现步骤

3.6 计算结果

3.7 本章小结

第四章 Taguchi试验分析

4.1 Taguchi方案

4.2 Taguchi正交试验

4.3 本章小结

第五章 基于改进人工蜂群算法的机器人路径规划

5.1 环境建模

5.2 数学模型

5.3 基于IABC算法的路径规划基本步骤

5.4 实验环境设计

5.5 Taguchi参数设置

5.5.2 Taguchi正交试验

5.6 路径规划及其结果分析

5.7 本章小结

第六章 总结与展望

参考文献

攻读硕士学位期间发表的论文

展开▼

摘要

人工蜂群算法(ABC算法)自提出以来,得到了广泛的应用。为使算法性能得到进一步增强,本文提出了一种改进的ABC算法(IABC算法),对算法的各主要阶段进行集中地改进。首先,通过在初始位置生成规则中引入一个混沌算子来建立混沌映射规则,以确保初始位置的遍历性。然后,设计了一个等距离分布式并行搜索规则,在此基础上进行初始位置的邻域搜索,以提高收敛速度和局部搜索能力。接下来,使用轮盘赌和反轮盘赌并行的选择策略,即引入反轮盘赌机制,以选择当前较差的位置来跳出局部最优。同时,提出了一种基于引力势场的全局更新机制,以此引导位置的舍弃和补充,增强全局搜索能力。计算结果表明,IABC算法提升了算法的收敛速度和解的质量,而不会过早成熟。
  算法改进后,使用Taguchi方法对IABC算法进行结构分析,该方法着重于对影响IABC算法性能的关键因素的因素水平进行分析,关键因素包括:初始位置生成规则中的混沌映射规则,等距分布式搜索规则,并行选择策略以及全局更新机制中的阈值。试验分析结果显示,在IABC算法中已经实现了关键因素水平的最佳组合,其优化效果较佳。
  最后,应用IABC算法进行机器人的路径规划,利用Taguchi正交试验进行算法参数以及目标函数分析,以此选取实验参数值,进行基于ABC算法与IABC算法的路径规划对比实验。实验结果表明,IABC算法规划出了较佳的路径,同时提升了规划效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号