原文服务方: 火炮发射与控制学报       
摘要:
在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息.蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优.提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法.通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果.
推荐文章
蚁群遗传融合算法在移动机器人路径规划中的应用
路径规划
蚁群算法
遗传算法
最优路径
基于遗传蚁群算法的机器人全局路径规划研究
蚁群算法
遗传算法
全局路径规划
机器人
基于改进蚁群算法的焊接机器人路径规划
焊接机器人
路径规划
改进蚁群算法
融合粒子群与蚁群算法的机器人路径规划
移动机器人
路径规划
蚁群算法
粒子群算法
参数优化
栅格法
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 基于遗传蚁群动态融合的地面自主作战 机器人路径规划
来源期刊 火炮发射与控制学报 学科
关键词 路径规划 遗传算法 蚁群算法 动态融合
年,卷(期) 2019,(4) 所属期刊栏目 应用研究
研究方向 页码范围 42-46,50
页数 6页 分类号 TJ303+.3|TP242
字数 语种 中文
DOI 10.19323/j.issn.1673-6524.2019.04.009
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 潘玉田 中北大学电气与控制工程学院 122 506 10.0 14.0
2 郭保全 中北大学电气与控制工程学院 50 149 7.0 9.0
3 李魁武 14 48 5.0 5.0
4 余红英 中北大学电气与控制工程学院 68 243 8.0 13.0
5 李郁峰 中北大学电气与控制工程学院 12 34 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (132)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(3)
  • 参考文献(2)
  • 二级参考文献(1)
2019(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)
研究主题发展历程
节点文献
路径规划
遗传算法
蚁群算法
动态融合
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
火炮发射与控制学报
季刊
1673-6524
61-1280/TJ
大16开
1979-01-01
chi
出版文献量(篇)
1834
总下载数(次)
0
总被引数(次)
6911
论文1v1指导