声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：康玉祥, 姜春英, 秦运海, 叶长龙
关键词：路径规划, 粒子群优化, 移动机器人, 梯度下降算法, 自适应
针对粒子群优化（PSO）算法存在的优化精度低以及早熟的缺点，提出一种改进的PSO算法用于机器人路径规划．根据梯度下降法中变量沿负梯度方向变化的原则，提出了改进的粒子速度更新模型．为了提高粒子的搜寻效率及精度，增加了自适应粒子位置更新系数．引入ε贪心策略设计了改进的粒子群优化算法．在部分优化测试函数上的多次试验结果表明，所提算法较其他算法模型搜索精度至少提高2倍，收敛速度也有大幅度的提升．将所提算法和改进的DC-HPSO（动态聚类混合粒子群优化）算法应用于静态障碍物下的路径规划仿真和实际试验，结果表明所提模型具有高精度、高效率、高成功率的优点．
来源：2020年第1期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。