10.3778/j.issn.1002-8331.2008-0243
融合粒子群与改进蚁群算法的AUV路径规划算法
针对传统蚁群算法在处理自主式水下机器人AUV(Autonomous Underwater Vehicle)三维路径规划问题时存在初期寻径能力弱、算法收敛速度慢等问题,提出一种融合粒子群与改进蚁群算法的AUV路径规划算法PSO-ACO(Particle Swarm Optimization-improved Ant Colony Optimization).基于空间分层思想建立三维栅格模型实现水下环境建模;综合考虑路径长度、崎岖性、危险性等因素建立路径评价模型;先使用粒子群算法预搜索路径来优化蚁群算法的初始信息素;再对蚁群算法改进状态转移规则、信息素更新方式并加入奖惩机制实现全局路径规划.实验表明,算法能有效提高初期寻径能力和全局搜索能力,减少收敛迭代次数并缩短搜索使用时间.
改进蚁群算法、粒子群算法、三维栅格模型、自主式水下机器人、三维路径规划
57
TP242(自动化技术及设备)
国家自然科学基金61703267
2021-03-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
267-273