![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于改进狼群算法的AGV路径规划.pdf
《基于改进狼群算法的AGV路径规划.pdf》由会员分享,可在线阅读,更多相关《基于改进狼群算法的AGV路径规划.pdf(7页珍藏版)》请在咨信网上搜索。
1、随着社会经济发展和工业智能信息化的深入,智能化物流逐渐成为商业和工业领域必不可少的基础设施,这使得自动引导小车(a u t o m a t e dg u i d e dv e h i c l e,AGV)得到越来越广泛的应用,同时也促进了对AGV关键技术的深入研究.路径规划作为该领域核心技术之一,具有非常广泛的应用场合,比如手机导航、无人驾驶车辆的避障和规划路径、智能物流等.针对路径规划问题,国内外学者做了大量的深入研究,提出了很多解决方法,其中包括遗传算法、蚁群算法、粒子群算法和神经网络等.其中,文献 基于狼群捕猎过程中的分工协作提出了狼群算法(w o l fp a c ka l g o r
2、 i t h m,WP A),该算法将狼群的捕猎活动抽象为游走、召唤、围攻种行为,并引入“胜者为王”的头狼选择机制和“适者生存”的更新机制.狼群算法的提出引起了国内外学者的广泛关注.文献 将狼群算法成功应用于无人机航迹规划;文献 在原始狼群算法的基础上引入次头狼召唤和围攻的更新策略,提高了算法的全局寻优能力,并将其应用于空战目标火力分配问题上;文献 提出了根据游走次数的奇偶性改变探狼搜索方向的方法,并且引入自适应调节搜索步长的策略,提高了算法的求解精度.狼群算法作为群体智能算法的一种,具有广泛的应用领域,同样也适用于AGV最优路径求解问题.本文针对狼群算法易陷入局部最优、搜索效率低等问题,提出
3、了一种改进狼群算法(i m p r o v e dw o l f p a c ka l g o r i t h m,I WP A),并将其应用于AGV路径规划.本文介绍了AGV运动空间的环境建模以及改进的狼群算法,比较了I WP A和WP A在函数优化问题上的求解效果,并对种算法分别进行了AGV路径规划仿真实验和结果分析.A GV路径规划问题 环境建模在AGV路径规划研究中,描述环境的建模方法有很多种,常用的有可视图法、自由空间法、拓扑法和栅格法等 .本文采用栅格法进行环境建模,将运动环境映射成大小相同的网格矩阵,每块栅格的边长都为,AGV视作地图中的一个质点.一个的栅格环境如图所示,以栅格左
4、下角为坐标原点,横向为X轴,竖向为Y轴,则栅格j的坐标为(aj,bj).对地图中的栅格采用实数编码,则在MM的栅格环境中,栅格坐标与编号N的对应关系为:a m o d(N,M),bf i x(N)/M)()其中:m o d为取余运算;f i x为向靠近取整的运算.带障碍物的栅格地图如图所示,AGV路径规划即要求在图中白色的可行区域内规划出一条从起始点到目标点的最优路径.图带障碍物的栅格地图 适应度函数的建立利用狼群算法进行路径规划时,种群中的每匹狼都代表一条潜在的可行路径,适应度函数则是评价这条路径优劣程度的唯一标准.本文适应度函数采用路径长度、平滑度以及安全度作为评价指标.)路径长度评价函数
5、f.计算公式为:ft j(aj aj)(bj bj)()其中:a、b为当前路径中所经过栅格的位置坐标;t为路径节点个数.)路径平滑度评价函数f.采用相邻路段之间夹角之和的大小作为评价平滑度的指标,即ft j (ljlj,lj lj)()其中,(ljlj,ljlj)为相邻条路段ljlj和ljlj的夹角.f值越小,路径越平滑.)路径惩罚函数f.路径与障碍物相交的次数越多则函数值就越大,越容易在迭代过程中被淘汰.fmjC m()其中:m为与障碍物相交的次数;C为一个取值较大的正常数.将f和f进行归一化处理后,AGV路径规划的适应度评价函数为:ff/dp a t hf/(Nn u m)f()其中:dp
6、 a t h为起点和终点与它们之间垂直交叉点的距离之和;Nn u m为路径的拐点总数;、为权值,且.故AGV的最优路径规划即为求解使适应度函数f最小的坐标集.改进的狼群算法 狼群算法基本原理狼群算法的基本过程主要包括以下步骤:合肥工业大学学报(自然科学版)第 卷)狼群初始化.在D维空间中随机初始化n匹人工狼的位置,则第i匹人工狼的位置可表示为Xi(xi,xi,xi D),i,n.)选取距离猎物最近的人工狼为头狼,并将除头狼外最优的Sn u m匹狼选取为探狼,Sn u m随机取n/(),n/中的整数,为探狼比例因子,并执行游走搜索行为,向四周h个方向以步长Sa搜寻猎物.探狼i向第p(p,h)个方
7、向游走后,在第d维空间位置更新为:xpi dxi ds i n(p/h)Sda()若探狼搜索到距离猎物更近的位置,则更新其当前位置,并重复游走行为,直到某人工狼搜索到优于头狼的位置时,该探狼将代替头狼发起召唤或直到游走达到最大游走次数Tm a x.)将头狼和探狼以外的其余狼作为猛狼,在头狼发起召唤后,猛狼以步长Sb向头狼移动,猛狼i在第k次迭代后,其在第d维空间位置更新为:xk i dxki dSdb(gkdxki d)/|gkdxki d|()其中,gkd为第k代头狼在第d维空间中的位置.在奔袭的过程中,若猛狼所处位置优于头狼,则该猛狼将代替头狼发起召唤行为;否则猛狼将继续奔袭,直到与头狼的
8、距离小于dn e a r时,对猎物发起围攻.判定距离dn e a r的计算公式为:dn e a rD Dd|dm a xdm i n|()其中:为距离判定因子;dm a x、dm i n为狼群在第d维空间位置坐标的最大值和最小值.)当猛狼与猎物的距离小于dn e a r时,便联合探狼以步长Sc对猎物进行围攻,以期捕获.狼群位置更新公式为:xk i dxki d Sdc|gkdxki d|()其中,为,间均匀分布的随机数.若进行围攻之后人工狼离猎物更近,则更新位置;否则保持原位置不变.种 搜 索 步 长 在 第d维 空 间 中 存 在 如 下关系:SdaSdb/Sdc|dm a xdm i n|
9、/S()其中,S为步长因子.)狼群的更新机制.根据适者生存的更新策略,淘汰适应度最差的R匹狼,然后随机生成R匹狼.R为随机整数,取值在n/(),n/之间,其中为比例因子.狼群算法的改进针对传统狼群算法初始种群多样性不足,探狼游走方向固定,易陷入局部最优,迭代后期搜索效率低等缺陷,本文从如下个方面进行了改进,以进一步提高算法的寻优效率.改进的S i n e混沌映射优化初始种群狼群算法中种群的初始位置和狼群的更新机制均采用随机生成的方式,这种方式容易导致种群分布不均匀、多样性不足,影响后期的迭代寻优效率.而混沌映射具有遍历性、规律性、随机性等特点,可以有效避免这些缺陷.产生混沌变量的S i n e
10、混沌模型映射公式为:zk s i n(zk)()其中:zk为迭代序列,kN,z(,;为控制参数,越接近时混沌性能越好.当取,迭代 次后,S i n e混沌映射序列分布图如图、图所示,可以发现序列的分布并不十分均匀,在,和,区间内出现的频率较高.图S i n e映射分布直方图图S i n e映射分布图依据文献 所提方法对S i n e混沌映射进行改进,如式()所示,并利用式()将序列映射到狼群空间位置上.第期程俊,等:基于改进狼群算法的AGV路径规划ck s i n(ck),ek s i n(ek),yk(ck ek)m o d()xi ddm i nyi d(dm a xdm i n)()其中
11、:y,为混沌迭代序列;为控制参数.改进后的S i n e映射分布图如图、图所示.从图、图可以看出,混沌值分布更加均匀,出现的概率更加相近.因此采用改进的S i n e映射进行狼群初始化和更新,有利于提高种群多样性,进而提高算法的寻优效率.图改进的S i n e映射分布直方图图改进的S i n e映射分布图 探狼随机游走策略在传统的狼群算法中,探狼游走行为由式()决定,这使得探狼i不论迭代搜索多少次,方向只有h个,搜索方向固定,且每代之间的搜索方向都是平行的,削弱了算法的随机性.文献 提出根据游走次数的奇偶性改变搜索方向的方法,文献 在游走行为中引入相位因子,以提高探狼搜索的灵活性.为了进一步丰
12、富搜索方向,本文对探狼游走公式进行了改进,公式如下:XpiXi(v/|v|)Sa()其中,v为随机方向向量,计算公式为:vV(:,p)T,Vr a n d(D,h)()其中,r a n d为生成随机数的运算.这样探狼在每次游走时,会随机选择h个方向进行搜索,方向不固定,增强了搜索的随机性,从而提高了算法的全局寻优能力.头狼选择引入M e t r o p o l i s准则原始算法中总是选择适应度最好的人工狼作为头狼,执行召唤行为.在迭代后期,种群多样性降低时,易使种群陷入局部最优,降低算法的全局搜索能力.针对该问题,在探狼游走搜索后,对头狼的选择方式上引入M e t r o p o l i s
13、准则 使得算法具有概率突跳的能力.本文以种群迭代次数k来表示M e t r o p o l i s准则中的温度,改进公式为:Pe x p k/Km a x()()其中,Km a x为种群最大迭代次数.当探狼i搜索到优于头狼的位置时,探狼i取代当前头狼发起召唤;当所有探狼搜索至最大游走次数依然未搜索到优于头狼的位置时,按式()概率接受非最优人工狼作为当前种群的头狼,随着迭代次数的增加,算法接受非最优人工狼作为头狼的概率逐渐减小.猛狼奔袭策略的改进在原始算法中头狼发起召唤之后,猛狼需要不停奔袭直至与猎物的距离小于dn e a r时,才能转入围攻行为.该策略在算法后期容易导致猛狼在头狼附近不停奔袭搜
14、索而难以进入围攻行为,从而影响算法的寻优效率.为此,本文采用猛狼奔袭次就转入围攻的召唤策略.同时,取消围攻步长Sdc,消除其与游走步长之间的耦合关系,提高算法局部开采能力,则人工狼在围攻之后的位置更新方式为:xk i dxki d(gkdxki d)()其中,为,内的随机数.改进狼群算法步骤)采用栅格法对AGV运动环境进行建模,对栅格进行编码,并获取障碍物信息.)采用实数编码,对狼群进行初始化.利用 节所述方法构造人工狼初始位置,则第i匹人工狼位置为Xi(xi,xi,xi D),i,n,每匹人工狼代表一条潜在的可行路径;初始化算法的迭代次数Km a x、探狼比例、狼群更新比例、游走步长Sa、奔
- 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 狼群 算法 AGV 路径 规划
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
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。