您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (1): 12-18.

• 机器学习与数据挖掘 • 上一篇    下一篇

一种采用两段粒子群优化的路径规划方法

刘彬,张仁津   

  1. 贵州师范大学数学与计算机科学学院, 贵州 贵阳 550001
  • 收稿日期:2011-03-20 出版日期:2012-02-20 发布日期:2011-03-20
  • 作者简介:刘彬(1973- ),男,湖南华容人,副教授,硕士,主要研究方向为计算机图形学与网络计算.Email:abc15801@163.com
  • 基金资助:

    贵州省科学技术基金资助项目(黔科合J字LKS[2009]14号); 贵州省优秀科技教育人才省长专项资金资助项目(黔省专合字[2009]115号)

A path planning method using two-stage particle swarm optimization

LIU Bin, ZHANG Ren-jin   

  1. School of Mathematics and Computer Science, Guizhou Normal University, Guiyang 550001, China
  • Received:2011-03-20 Online:2012-02-20 Published:2011-03-20

摘要:

在路径规划中普遍采用多条短曲线拼接成一条长曲线,这种方法通常只实现了C1连续,导致相邻短曲线在连接处的二阶导数不连续。为解决这个问题,采用具有C2连续特点的三次B样条曲线作路径,并提出一种两段粒子群优化实现路径规划。在第一阶段确定B样条曲线的控制顶点数,在第二阶段搜索最优路径。为保证粒子的有效性,依据B样条曲线的特点改进了粒子的初始化方法。在适应度函数中通过弧长因子、碰撞因子分别考察路径的长度及碰撞检测,粒子通过循环逐步逼近全局最优解。实验结果表明粒子初始化采用改进的方法后更接近实际路径,采用两段粒子群优化算法能获得C2连续的路径。

关键词: 粒子群优化, 路径规划, 导航, 防止碰撞, 移动智能体

Abstract:

 Multiple short curves are joined to a long curve in path planning, which usually could only realize C1 continuity and could cause the second order derivative to be discontinuous in the joint of adjacent short curves. To resolve this problem, the cubic B-spline curve with the feature of C2 continuity was used to implement path planning carried out by a two-stage particle swarm optimization. Control vertexes of the B-spline curve were determined at the first stage of two-stage particle swarm optimization, and then the optimal path was searched for at the second stage. To ensure the particles effectiveness, the particles initialization was improved according to the characteristic of the Bspline curve. The length of the path and collision detection reflected on the arc length factor and collision factor respectively in the fitness function. The global optimum was gradually approached with the loop by the particles. Experimental results indicated that the improved initialized particles were closer to the actual path and that the C2 continuous path could be achieved by two-stage particle swarm optimization.

Key words: particle swarm optimization, path planning, navigation;collision avoidance, mobile agents

[1] 宋正强,杨辉玲,肖丹. 基于在线粒子群优化方法的IPMSM驱动电流和速度控制器[J]. 山东大学学报(工学版), 2018, 48(1): 112-116.
[2] 马帅依凡,赵子健. 基于人工标记的手术导航仪[J]. 山东大学学报(工学版), 2017, 47(3): 63-68.
[3] 董红斌, 张广江, 逄锦伟, 韩启龙. 一种基于协同进化方法的聚类集成算法[J]. 山东大学学报(工学版), 2015, 45(2): 1-9.
[4] 花景新, 薄煜明, 陈志敏. 基于改进粒子群优化神经网络的房地产市场预测[J]. 山东大学学报(工学版), 2014, 44(4): 22-30.
[5] 徐龙琴1,刘双印1,2,3,4*. 基于APSO-WLSSVR的水质预测模型[J]. 山东大学学报(工学版), 2012, 42(5): 80-86.
[6] 严宣辉, 肖国宝*. 基于定长实数路径编码机制的移动机器人路径规划[J]. 山东大学学报(工学版), 2012, 42(1): 59-65.
[7] 陈明志1,2, 陈健3, 许春耀3, 余轮3, 林柏钢1,2. 一种新的基于网络虚拟环境的用户访问模式聚类算法[J]. 山东大学学报(工学版), 2011, 41(6): 43-49.
[8] 陈明志1,许春耀2,陈健2,余轮2. 基于语义信息的虚拟环境路径规划[J]. 山东大学学报(工学版), 2011, 41(4): 106-112.
[9] 姜海涛,田国会*,薛英花,李荣宽. 新型人工地标的设计、识别、定位及应用[J]. 山东大学学报(工学版), 2011, 41(2): 107-113.
[10] 田国会,张涛涛*,吴皓,薛英花,周风余. 基于分布式导航信息的大范围环境机器人导航[J]. 山东大学学报(工学版), 2011, 41(1): 24-31.
[11] 戴平,李宁*. 一种基于SVM的快速特征选择方法[J]. 山东大学学报(工学版), 2010, 40(5): 60-65.
[12] 董成喜,吴德伟,何 晶 . 基于粗糙模糊集理论的卫星导航系统作战效能评估方法[J]. 山东大学学报(工学版), 2008, 38(4): 32-36 .
[13] 唐进君,曹 凯 . 基于分层模糊控制的地图匹配算法[J]. 山东大学学报(工学版), 2008, 38(4): 42-46 .
[14] 王秀红,郭庆强,李歧强 . 基于粒子群优化算法的高阶累积量滤波器[J]. 山东大学学报(工学版), 2007, 37(6): 15-19 .
[15] 田国会,李晓磊,赵守鹏,路飞 . 家庭服务机器人智能空间技术研究与进展[J]. 山东大学学报(工学版), 2007, 37(5): 53-59 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!