二次路徑規劃QACO算法
大小：1.08 MB 人氣： 2018-01-22 需要積分：1
標簽：路徑規劃(15294)
蟻群優化（ Ant Colony Optimization，ACO）算法是一種新穎的啟發式進化算法，其算法基本思想受到了蟻群覓食過程的啟發。生物學家經過大量的觀察研究發現，螞蟻個體在運動過程中會釋放出一種具有揮發性和可疊加性的分泌物——信息素（ pheromone）。螞蟻個體之間通過信息素來傳遞信息，信息素的濃度表征了路徑對螞蟻的吸引力，螞蟻個體傾向于選擇信息素濃度較高的路徑。一段時間內，經過同一路徑的螞蟻個體越多，這條路徑上的信息素濃度就越大；反之，經過該路徑的螞蟻個體越少，信息素濃度就越低。當螞蟻個體足夠多時便形成了一種正反饋機制。經過一段時間之后，可能會出現一條被大多數螞蟻重復的最短或較短路徑。
針對蟻群優化（ACO）算法在復雜環境下規劃能力較弱的問題，提出了一種基于滑動窗口和蟻群優化算法的二次路徑規劃（ QACO）算法。對回退蟻群優化（ACOFS）算法的回退策略進行改進，通過降低回退路徑上的信息素量，減少回退次數。第一次規劃中，使用改進后的ACO算法對柵格環境進行全局路徑規劃；第二次規劃中，滑動窗口沿著全局路徑滑動，通過ACO算法規劃出滑動窗口中的局部路徑，并使用局部路徑對全局路徑進行優化，直至滑動窗口中包含目標位置。仿真實驗表明：相比ACO、ACOFS算法，QACO算法的平均規劃時間分別下降了26. 2l%、52. 03%，平均路徑長度下降了47. 82%、42. 28%，因此在復雜環境下QACO算法具有將強的路徑規劃能力。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
二次路徑規劃QACO算法下載
相關電子資料下載
- 自主機器人近距離操作運動路徑規劃算法 392
- AGV在立體倉庫中的路徑規劃 407
- 全局路徑規劃RRT算法原理 687
- CBS多機器人路徑規劃實例講解 404
- 基于過Python+matplotlib數據可視化路徑規劃算法實現 884
- 機器人技術中常用的路徑規劃算法的開源庫 614
- 機器人基于搜索和基于采樣的路徑規劃算法 248
- 自動駕駛系統功能自車運動與路徑規劃介紹 495
- 全文詳解A*算法及其變種 1166
- 路徑規劃算法實現原理 570