典型文献
基于AHMRRT的移动机器人路径规划算法
文献摘要：
为解决单向快速探索随机树(rapid exploring random tree,RRT)算法路径规划效率低且易陷入局部极小点的问题,提出了一种自适应启发式多快速探索随机树(adaptive heuristic multiple rapid exploring random tree,AHMRRT)路径规划算法.一方面,基于多随机树构建策略的AHMRRT算法可以在起始点、目标点、子目标点生成4棵随机树,同时进行扩展搜索,从而提高路径规划效率;另一方面,通过在单棵随机树生长过程中添加自适应启发式偏置因子,AHMRRT算法可以根据环境中障碍物的情况自适应地改变新节点的生成策略.探索自由空间时,该算法可以在偏置因子的作用下迅速向目标点扩展以提高搜索效率;探索多障碍物空间时,该算法将调用随机采样函数以防止落入局部最优.在仿真实验中,设计了4种环境下AHMRRT算法与随机概率目标快速探索随机树(probability goal RRT,PGRRT)、双向快速探索随机树(bidirectional RRT,BRRT)算法的对比实验,仿真实验结果证明了该算法的可行性和高效性.
文献关键词：
移动机器人;快速探索随机树;路径规划;多随机树构建策略;自适应启发式偏置因子;局部最优
中图分类号：
作者姓名：
阮晓钢;刘少达;朱晓庆
作者机构：
北京工业大学信息学部, 北京 100124;计算智能与智能系统北京市重点实验室, 北京 100124
文献出处：
引用格式：
[1]阮晓钢;刘少达;朱晓庆-.基于AHMRRT的移动机器人路径规划算法)[J].北京工业大学学报,2022(02):121-128
A类：
AHMRRT,多随机树构建策略,自适应启发式偏置因子,PGRRT,BRRT
B类：
移动机器人路径规划,路径规划算法,快速探索随机树,rapid,exploring,random,tree,规划效率,局部极小点,adaptive,heuristic,multiple,始点,子目标点,提高路径,生长过程,障碍物,变新,生成策略,自由空间,搜索效率,物空间,调用,随机采样,落入,局部最优,probability,goal,bidirectional
AB值：
0.254954
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
