基于改进粒子群的混合金豺优化算法的移动机器人路径规划.pdf
《基于改进粒子群的混合金豺优化算法的移动机器人路径规划.pdf》由会员分享,可在线阅读,更多相关《基于改进粒子群的混合金豺优化算法的移动机器人路径规划.pdf(6页珍藏版)》请在咨信网上搜索。
1、第34卷第4期2023年8 月文章编号:16 7 1-6 90 6(2 0 2 3)0 40 0 2 40 6中原工学院学报JOURNAL OF ZHONGYUAN UNIVERSITY OF TECHNOLOGY基于改进粒子群的混合金豺优化算法的移动机器人路径规划Vol.34No.4Aug.2023常新中1,岳哲鹏,海超1,娄泰山,关广胜(1.河南应用技术职业学院学院办公室,河南郑州450 0 42;2.郑州轻工业大学电气信息工程学院,河南郑州450 0 0 2)摘要:针对金豺优化(GoldenJackalOptimization,G JO)算法在移动机器人路径规划应用中的选代效率低以及会陷
2、入局部最优等问题,提出一种改进粒子群的混合金豺优化(Hybrid GoldenJackal Optimization,HGJO)算法。首先,将自适应动态权重因子和改进的学习因子引入粒子群算法,以增强其全局探索能力;然后,建立机器人路径规划所需的栅格环境地图,并在此基础上将改进后粒子群算法引入金豺优化算法的位置更新过程,以改善GJO算法跳出局部最优的性能。由移动机器人的路径规划仿真实验可知,提出的HGJO算法在提升收敛速度和跳出局部最优性能方面均优于GJO算法,且在稳定性上优于粒子群算法。关键词:移动机器人;粒子群优化算法;金豺优化算法;路径规划中图分类号:TP18Hybrid golden j
3、ackal optimization algorithm based on improved文献标志码:APSO for mobile robot path planningDOI:10.3969/j.issn.1671-6906.2023.04.004CHANG Xinzhong,YUE Zhepeng,GAO Haichao,LOU Taishan,GUAN Guangsheng(1.College Office,Henan Technical Institute,Zhengzhou 450042,China;2.School of Electrical andInformation En
4、gineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China)Abstract:In this paper,a hybrid golden jackal optimization(HGJO)based on improved particleswarm optimization(PSO)is proposed to address the problems of low iterative efficiency and fallinginto local optimality in the application
5、 of golden jackal optimization(GJO)to path planning of mobilerobots.First,the new approach introduces adaptive dynamic weighting factors and refined learningfactors into the PSO algorithm,thereby enhancing its capacity for global exploration.Then,the ras-ter environment map required for robot path p
6、lanning is established,based on which the improvedparticle swarm algorithm is introduced into the position update of the golden jackal optimization algo-rithm to improve the performance of the GJO algorithm in jumping out of the local optimum.Finally,the path planning simulation experiments of the m
7、obile robot show that the proposed optimization al-gorithm outperforms the golden jackal optimization algorithm in terms of convergence speed and the a-bility to jump out of the local optimum;it outperforms the particle swarm algorithm in terms of stabil-ity.Key words:mobile robot;particle swarm opt
8、imization algorithm;golden jackal optimization algo-rithm;path planning收稿日期:2 0 2 3-0 42 2基金项目:河南省科技攻关项目(2 32 10 2 2 2 0 0 6 7)引文格式:常新中,岳哲鹏,部海超,等.基于改进粒子群的混合金豺优化算法的移动机器人路径规划.中原工学院学报,2 0 2 3,34(4):2 4一2 9.CHANG Xinzhong,YUE Zhepeng,GAO Haichao,et al.Hybrid golden jackal optimization algorithm based on
9、 improved PSO for mobilerobot path planningJJ.Journal of Zhongyuan University of Technology,2023,34(4):24-29.第4期随着智能控制设备制造技术的发展以及传感器技术的进步,移动机器人技术逐渐成为当前的研究热点,在航天领域1、农业2-3 和工业4 1生产中发挥了重要的作用。移动机器人在工作时需要根据一定的规则,在工作区域沿着一条最优的路径行走。因此,路径规划是移动机器人导航的重要任务之一,也是目前研究的一个热点5。路径规划所用的算法大致分为传统算法和智能算法。传统算法有A*算法6 、Dijks
10、tra算法门和禁忌搜索算法8 1等,但是这些算法往往存在计算效率低、路径搜索能力差等缺点,无法满足技术发展的需求。智能算法具有算法简单、鲁棒性强等特点,在规划路径时不必依赖梯度信息。于是,智能算法逐渐成为了当前的研究热点。智能算法被广泛应用于水下机器人、移动机器人和无人机等装备的路径规划中10-12,但是其在寻优时会陷人局部最优而导致搜寻路径不是最短的问题。为此,国内外学者近年来一直在不断地探索新的智能算法,并对其进行了一定的研究与应用。宋阿妮等采用精英策略来改进蚁群的信息素浓度,提高蚁群算法跳出局部最优的能力,并引人信息素扩散策略来加强个体之间的交流,提高了算法在无人机三维路径规划中的适应性
11、13。魏博等通过模拟粒子运动规律来更新蜂群位置,提高算法的种群开发能力,并利用反向轮盘赌的方法选择蜜源,解决了人工蜂群在路径规划中迭代速度慢、规划效率低的问题14。刘志强等通过Tent 混沌映射来提升灰狼算法的种群丰富性,并融合动态权重因子和适应度系数更新灰狼的个体位置,提高灰狼算法的全局搜索能力,降低了搜索成本15。随着智能算法的不断拓展,许多优秀算法被提出并得到了应用。其中,金豺优化(GoldenJackal Opti-mization,G JO)算法是由Chopra 和Ansari在2 0 2 2 年提出的一种新型智能算法16 。GJO算法模拟了金豺狼捕猎的过程,具有较强的寻优能力、较高
12、的收敛速度,受到了众多学者的关注。谢豪等将GJO算法应用于PID的参数优化过程,利用GJO算法对PID的3个参数进行设置并使其向最优解迭代,提高了系统的调节能力17 。Mahdy等将GJO算法应用到超级充电站的运行优化中,利用GJO算法对PI增益进行优化,提高了系统的稳定性18 。Najar等将GJO算法与长短期记忆神经网络模型相结合,预测了Cu一Al2O的摩擦学性能19。从实验结果来看,该算法对复合材料的磨损率和摩擦系数变化具有出色的预测能力。GJO算法虽然在众多领域都有较为出色的表现,但仍然存在会陷入局部最优、收敛速度慢以及未考虑常新中,等:基于改进粒子群的混合金豺优化算法的移动机器人路径
13、规划1移动机器人的环境建模利用智能算法对移动机器人进行的路径规划包括下列两个基本步骤:一是针对机器人所处环境进行建模;二是利用智能算法对路径进行反复迭代,以获取最短路径。只有在了解周围的环境信息后才能进行移动机器人的路径规划。合理构建环境地图是获取最优规划结果的前提。经典的环境地图表示方法有栅格法、可视图法、距离转换法、自由空间法等。与其他方法相比,栅格法具有实现简单、数据易于转换等优点,被广泛地应用于移动机器人的路径规划中。采用栅格法建立的移动机器人二维平面模型如图1所示。在二维平面上,障碍物的位置、大小是固定的,即其位置和大小在机器人运动过程中是不会改变的。用(,y)表示二维平面中的任意一
14、点,白色方格表示可通行区域,黑色方格表示障碍物区域。假设机器人当前位置为(aj,y j),终点位置为(ae,y e),则规划出的路径长度L可以作为算法的适应度函数。适应度函数为:L=j一)十(y一y)。路径规划从左上角的起始点到右下角的终点,每次移动的步长110起点234-5678910图1采用栅格法建立的移动机器人二维平面模型Fig.1Two-dimensional planar modelingusing the raster method25金豺个体之间的经验交流等问题。因此,本文对粒子群优化(Particle Swarm Optimization,PSO)201算法进行改进并将其引人G
15、JO算法,优化GJO算法的位置更新过程,提出一种改进粒子群的混合金豺优化(Hy-brid Golden Jackal Optimization,HGJO)算法。同时,将该算法应用于移动机器人的路径规划,并通过路径规划问题的仿真实验验证该改进算法的有效性与可行性。2终点46810(13)26为11的栅格,最长距离为二维平面模型对角线的长度。规划出的路径应满足以下要求:必须在栅格地图的内部;不能穿过黑色区域;尽可能短。2金豺优化算法金豺优化算法是根据金豺探索行为和狩猎行为进行建模的。它包括探索阶段和狩猎阶段。(1)探索阶段:金豺寻找并跟踪猎物。金豺天生就会发现并追逐猎物,且往往是雄豺狩猎而雌豺跟随
16、的。猎物并不容易被捕获,有时会逃逸。雄豺与猎物相对位置的变化情况可表示为:Yi(1)=Ym(t)-E Ym(t)-rl Prey(t)l(1)式中:Y(t)为雄豺的位置;rlPrey(t)为猎物的运动轨迹;t为当前迭代次数。雌豺与猎物相对位置的变化情况可表示为:Y,(1)=Yrm(t)-E Yrm(t)-rl Prey(t)|(2)式中:YFM(t)为雌豺的位置。(2)狩猎阶段:当猎物受到金豺骚扰后,其逃逸能量就会开始减少。随后,金豺开始包围猎物。金豺在包围猎物后就会扑向猎物并吃掉猎物。猎物逃跑过程的能量E可表示为:E=E,E。猎物的初始能量为:E。=2 a-1式中:为0 到1之间的随机值。猎
17、物逃逸时的能量为:E,=C(1-t/T)式中:C为恒定值,且C=1.5;T 为最大迭代次数。在迭代时,E是从1.5按线性减少到0 的。莱维分布函数为:rl=0.05LF(y)莱维飞行函数为:LF(y)=0.01o/l/BT(1+)Xsin(元/2)1/式中:6=r(Le)XBX242为0 到1之间的随机值。GJO算法的位置更新公式为:YI(t)+Y,(t)Y(t+1)=2针对金豺狩猎行为,可建立下列模型:(Yi(t)=Ym(t)-E|rl Ym(t)-Prey(t)(Y2(t)=YFM(t)-E:rl:YFm(t)-Prey(t)l式中:Prey(t)为猎物在t时刻的位置。中原工学院学报金豺从
18、探索阶段向狩猎阶段转换的条件是由E决定的。具体而言,当E|1时,金豺会进行探索并寻找猎物;当IE|1时,金豺会扑向猎物。3改进粒子群的混合金豺优化算法PSO算法是利用粒子自身最优位置和群体最优位置来获取最优解的。其基本表达式为:V,(t+1)=wV,(t)+ciriplel(t)-x;(t)J+Cz r2 gtlol(t)-;(t)式中:V.(t)和V(t十1)分别为第i个粒子的当前迭代速度和下一次迭代速度;为惯性权重;Ci 和c2分别为局部和全局的学习因子;ri 和r均为 0 到1之间的随机值;plcl(t)和grlobl(t)分别为局部最佳位置和全局最佳位置;;(t)为第i个粒子的当前位置
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 粒子 混合 优化 算法 移动 机器人 路径 规划
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。