基于改进GNG网络的机器人路径规划方法

• 作者: 任伟建 刘东辉 康朝海 王天任 王显伟
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 增长神经气 A*算法 地图映射 最短路径
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 1000-1005,1014
• 分类号: TP391.9
• 语种: 中文

摘要

针对在机器人路径规划中,增长神经气(GNG)算法生成地图映射速度较慢,并且存在个别错误路径,随后的路径搜索中,一次A*算法也不能搜索到最短路径的问题,提出了一种改进的GNG结合两次A*算法的机器人路径规划方法.在地图映射生成阶段,先给GNG一个预设规模的网络再进行神经元生长,这样比原算法减少了在神经元生长时的计算量;在路径搜索阶段,利用两次A*算法首先实现路径粗搜索,然后实现细搜索,并证明了二次搜索的路径更短.对于地图映射中出现的错误路径,也进行了处理.仿真结果表明,改进的地图映射算法与其它地图映射算法相比计算时间少,地图的映射精度高,最终可以找到一条机器人可行走的最短路径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任伟建		112	448	11.0	17.0
2	康朝海		32	64	5.0	6.0
3	王显伟		5	5	1.0	2.0
4	王天任		4	5	1.0	2.0
5	刘东辉		1	1	1.0	1.0