二次路徑規(guī)劃QACO算法
蟻群優(yōu)化（ Ant Colony Optimization，ACO）算法是一種新穎的啟發(fā)式進(jìn)化算法，其算法基本思想受到了蟻群覓食過程的啟發(fā)。生物學(xué)家經(jīng)過大量的觀察研究發(fā)現(xiàn)，螞蟻個體在運(yùn)動過程中會釋放出一種具有揮發(fā)性和可疊加性的分泌物——信息素（ pheromone）。螞蟻個體之間通過信息素來傳遞信息，信息素的濃度表征了路徑對螞蟻的吸引力，螞蟻個體傾向于選擇信息素濃度較高的路徑。一段時間內(nèi)，經(jīng)過同一路徑的螞蟻個體越多，這條路徑上的信息素濃度就越大；反之，經(jīng)過該路徑的螞蟻個體越少，信息素濃度就越低。當(dāng)螞蟻個體足夠多時便形成了一種正反饋機(jī)制。經(jīng)過一段時間之后，可能會出現(xiàn)一條被大多數(shù)螞蟻重復(fù)的最短或較短路徑。
針對蟻群優(yōu)化（ACO）算法在復(fù)雜環(huán)境下規(guī)劃能力較弱的問題，提出了一種基于滑動窗口和蟻群優(yōu)化算法的二次路徑規(guī)劃（ QACO）算法。對回退蟻群優(yōu)化（ACOFS）算法的回退策略進(jìn)行改進(jìn)，通過降低回退路徑上的信息素量，減少回退次數(shù)。第一次規(guī)劃中，使用改進(jìn)后的ACO算法對柵格環(huán)境進(jìn)行全局路徑規(guī)劃；第二次規(guī)劃中，滑動窗口沿著全局路徑滑動，通過ACO算法規(guī)劃出滑動窗口中的局部路徑，并使用局部路徑對全局路徑進(jìn)行優(yōu)化，直至滑動窗口中包含目標(biāo)位置。仿真實驗表明：相比ACO、ACOFS算法，QACO算法的平均規(guī)劃時間分別下降了26. 2l%、52. 03%，平均路徑長度下降了47. 82%、42. 28%，因此在復(fù)雜環(huán)境下QACO算法具有將強(qiáng)的路徑規(guī)劃能力。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
二次路徑規(guī)劃QACO算法下載
相關(guān)電子資料下載
- 自主機(jī)器人近距離操作運(yùn)動路徑規(guī)劃算法 392
- AGV在立體倉庫中的路徑規(guī)劃 407
- 全局路徑規(guī)劃RRT算法原理 687
- CBS多機(jī)器人路徑規(guī)劃實例講解 404
- 基于過Python+matplotlib數(shù)據(jù)可視化路徑規(guī)劃算法實現(xiàn) 884
- 機(jī)器人技術(shù)中常用的路徑規(guī)劃算法的開源庫 614
- 機(jī)器人基于搜索和基于采樣的路徑規(guī)劃算法 248
- 自動駕駛系統(tǒng)功能自車運(yùn)動與路徑規(guī)劃介紹 495
- 全文詳解A*算法及其變種 1166
- 路徑規(guī)劃算法實現(xiàn)原理 570