[1]马 烨,王淑青,毛月祥.基于神经过程-粒子群算法的移动机器人路径规划[J].湖北工业大学学报,2020,(1):17-20.
　MA Ye,WANG Shuqing,MAO Yuexiang.Path Planning of Mobile Robot Based on Neural Process-particle Swarm Optimization[J].,2020,(1):17-20.
点击复制

基于神经过程-粒子群算法的移动机器人路径规划()
分享到：

《湖北工业大学学报》[ISSN:1003-4684/CN:42-1752/Z]

卷:
期数:
2020年第1期
页码:
17-20
栏目:
出版日期:
2020-02-28

文章信息/Info

Title:
Path Planning of Mobile Robot Based on Neural Process-particle Swarm Optimization
文章编号:
1003-4684(2020)01-0017-04
作者:
马  烨1;  王淑青1;  毛月祥2
1 湖北工业大学电气与电子工程学院， 湖北 武汉 430068；
2 国网湖北省电力有限公司直流运检公司，湖北 武汉 430050
Author(s):
MA Ye1;  WANG Shuqing1;  MAO Yuexiang2
1 School of Electrical and Electronic Engineering, Hubei Univ. of Tech., Wuhan 430068 China；
2 State Grid Hubei Electric Power co LTD，Wuhan 430068,China
关键词:
路径规划;  神经过程;  粒子群;  预测
Keywords:
path planning;  neural process;  particle swarm;  predict
分类号:
TP18， TP242
文献标志码:
A
摘要:
针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题，将运动过程预测思想集成到粒子群优化算法中，构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时，利用神经过程预测个体位置，增加了迭代后期粒子群体的多样性，避免过早陷入局部最优，从而提高算法优化能力。实验结果显示，改进算法用于解决机器人路径规划问题，整体性能优于传统的粒子群优化算法。
Abstract:
Aiming at the local optimal problem caused by precocious particles in the path planning process of mobile robot by traditional Particle Swarm Optimization (PSO) algorithm, a hybrid neural process-PSO algorithm was constructed by integrating the idea of motion process prediction into PSO. The main idea is that in the next iteration of particle swarm individuals, the neural process is used to predict the individual location, increase the diversity of particle swarm at the later stage of the iteration, and avoid falling into local optimization too early, so as to improve the optimization ability of the algorithm. The improved algorithm is used to solve the robot path planning problem. The experimental results show that the proposed neural process-particle swarm optimization (PSO) has better path planning ability and better comprehensive performance than the traditional PSO.

参考文献/References:

[1] 陈建新,崔广才.基于改进粒子群算法的函数优化研究[D].长春:长春理工大学.2018.
[2] 赵甜甜,王思明.基于改进PSO算法的移动机器人路径规划[J].传感器与微系统.2018(02):57-60.
[3] 贾会群,魏仲慧,何昕.基于改进粒子群算法的路径规划[J].农业机械学报.2018,49(12):371-377.
[4] 蒲兴成,李俊杰,吴慧超.基于改进粒子群算法的移动机器人多目标点路径规划[J].智能系统学报.2017(03):301-309.
[5] Chen Peng,Li Qing,Zhang Chao. Hybrid chaos-based particle swarm optimization-ant colony optimization algorithm with asynchronous pheromone updating strategy for path planning of landfill inspection robots[J].Advanvrd Robot System,2019,16(4):1-11.
[6] Tran N,Nguyen D,Vu D,et al.Global path planning for autonomous robots using modified visibility-graph [C].Proc.of the 2013 IEEE International Conference on Control,Automation and Information Science,2013:317-321.
[7] Garnelo M, Schwarz J, Rosenbaum D, et al. Neural Processes[J]. 2018.
[8] 王淑青,王亚洲,许琛,等.改进粒子群算法在机器人位置逆解上的应用[J].湖北工业大学学报.2017,32(01):46-50.

相似文献/References:

[1]陈小利,赵　迪,王熊锦.基于改进 A? 算法的越障平台路径规划研究[J].湖北工业大学学报,2024,39(1):18.
　CHEN Xiaoli,ZHAO Di,WANG Xiongjin.Research on Path Planning of Obstacle Crossing Search and Rescue Platform Based on Improved A* Algorithm[J].,2024,39(1):18.

备注/Memo

备注/Memo:
［收稿日期］ 2019-09-04
［基金项目］ 国家自然科学基金青年基金项目（61603127）
［第一作者］ 马    烨(1995-)， 男， 湖北阳新人，湖北工业大学硕士研究生，研究方向为智能控制
［通信作者］ 王淑青(1969-)， 女， 河北衡水人，理学博士，湖北工业大学教授，研究方向为计算机检测与控制，电厂智能控制，系统分析与集成
更新日期/Last Update: 2020-04-11