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:
蚁群优化算法是解决机器人路径规划问题的有效方式.首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径.针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题.该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间.该算法旨在利用负反馈来改善解的多样性,从而获得最优路径.实验结果验证所提改进算法在路径规划问题上有明显优势.
推荐文章
具有负反馈机制的改进的蚁群算法在机器人路径规划中的应用
负反馈机制
改进蚁群算法
机器人
路径规划
基于改进蚁群算法的机器人路径规划
蚁群算法
模拟退火
路径规划
蚁群算法在移动机器人路径规划中的应用综述
蚁群算法
路径规划
信息素更新
融合算法
种群多样性
基于动态反馈A*蚁群算法的平滑路径规划方法
路径规划
蚁群算法
动态反馈
A*算法
B样条曲线
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 基于负反馈机制的蚁群算法及其在机器人路径规划中的应用
来源期刊 计算机集成制造系统 学科 工学
关键词 机器人路径规划 蚁群算法 负反馈机制 复杂环境
年,卷(期) 2019,(7) 所属期刊栏目 数字化/智能化/网络化制造技术
研究方向 页码范围 1767-1774
页数 8页 分类号 TP24
字数 3940字 语种 中文
DOI 10.13196/j.cims.2019.07.017
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 梁晓丹 天津工业大学计算机科学与软件学院 5 24 2.0 4.0
2 白建龙 天津工业大学计算机科学与软件学院 1 2 1.0 1.0
3 陈瀚宁 天津工业大学计算机科学与软件学院 7 31 2.0 5.0
4 胡亚宝 天津工业大学计算机科学与软件学院 1 2 1.0 1.0
5 何茂伟 天津工业大学计算机科学与软件学院 2 2 1.0 1.0
6 PARK Dongwon 韩国培材大学游戏工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (29)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(8)
  • 参考文献(4)
  • 二级参考文献(4)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器人路径规划
蚁群算法
负反馈机制
复杂环境
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
计算机集成制造系统
月刊
1006-5911
11-5946/TP
大16开
北京2413信箱34分箱
82-289
1995
chi
出版文献量(篇)
6201
总下载数(次)
22
总被引数(次)
127830
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导