基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对移动机器人遍历多个目标点的路径规划问题,提出了一种基于改进粒子群算法和蚁群算法相结合的路径规划新方法.该方法将目标点的选择转化为旅行商问题,并利用蚁群算法进行优化,定义了每两个目标点之间的路径规划目标函数,利用粒子群算法对其进行优化.针对粒子群算法存在的早熟现象,将反向学习策略引入粒子群算法,并对粒子群算法的惯性权重和学习因子进行改进.性能测试结果表明,改进的粒子群算法能有效避免粒子早熟现象,提高粒子群算法的寻优能力及稳定性.仿真实验结果验证了新方法能有效地实现机器人的多目标点无碰撞路径规划.真实环境下的实验结果证明了新方法在机器人多目标点路径规划的实际应用中也具有有效性.
推荐文章
基于粒子群算法的移动机器人路径规划
移动机器人
路径规划
链接图
Dijkstra算法
粒子群算法
基于蚁群和改进PRM算法的多目标点路径规划
移动机器人
蚁群算法
概率地图算法
路径规划
基于改进的A*算法与动态窗口法的移动机器人路径规划
路径规划
移动机器人
改进A*算法
动态窗口法
改进粒子群算法的移动机器人路径规划
路径规划
粒子群优化算法
变异方法
种群多样性
筛选算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进粒子群算法的移动机器人多目标点路径规划
来源期刊 智能系统学报 学科 工学
关键词 移动机器人 多目标点路径规划 蚁群算法 改进粒子群算法 反向学习策略 惯性权重 学习因子
年,卷(期) 2017,(3) 所属期刊栏目
研究方向 页码范围 301-309
页数 9页 分类号 TP242.6
字数 6679字 语种 中文
DOI 10.11992/tis.201606046
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张毅 重庆邮电大学先进制造学院 281 2390 21.0 36.0
2 蒲兴成 重庆邮电大学数理学院 31 192 9.0 11.0
3 李俊杰 重庆邮电大学智能系统及机器人研究所 1 18 1.0 1.0
4 吴慧超 重庆邮电大学智能系统及机器人研究所 2 28 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (68)
共引文献  (124)
参考文献  (13)
节点文献
引证文献  (18)
同被引文献  (75)
二级引证文献  (11)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(13)
  • 参考文献(3)
  • 二级参考文献(10)
2013(13)
  • 参考文献(0)
  • 二级参考文献(13)
2014(5)
  • 参考文献(3)
  • 二级参考文献(2)
2015(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(5)
  • 引证文献(5)
  • 二级引证文献(0)
2019(15)
  • 引证文献(8)
  • 二级引证文献(7)
2020(9)
  • 引证文献(5)
  • 二级引证文献(4)
研究主题发展历程
节点文献
移动机器人
多目标点路径规划
蚁群算法
改进粒子群算法
反向学习策略
惯性权重
学习因子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导