典型文献
基于IF&IABC算法的多机器人路径规划研究
文献摘要：
论文结合改进的蜂群算法和改进的模糊算法,为解决机器人路径规划问题提出了一种新的方法,即IF&IABC(Improved Fuzzy&Improved Artificial Bee Colony)算法.对人工蜂群算法进行改进,首先利用混沌思想和反向学习策略初始化种群,通过免疫信息调节机制在当前解和反向解之间进行选择,扩大种群多样性,增强跳出局部最优的能力;通过引入量子策略改进邻域搜索,引入独立的惯性权重来调节全局和局部寻优能力;采用边界变异法避免算法在搜索的过程中陷入局部最优.同时,结合具有速度反馈的模糊算法规划机器人的避障行为,从而控制机器人在特定状态下准确方便地改变路径,保证其在最佳状态下运行到目标点.实验结果证明论文算法步骤简捷,能很好解决不同机器人数量与不同任务目标点数量情况下的路径规划,且具有较大的实用性.
文献关键词：
多机器人;路径规划;蜂群算法;模糊算法;IF&IABC
中图分类号：
作者姓名：
王希宇;魏赟
作者机构：
上海理工大学光电信息与计算机工程学院 上海 200093
文献出处：
引用格式：
[1]王希宇;魏赟-.基于IF&IABC算法的多机器人路径规划研究)[J].计算机与数字工程,2022(06):1233-1238,1353
A类：
B类：
IF,IABC,多机器人路径规划,规划研究,模糊算法,规划问题,Improved,Fuzzy,Artificial,Bee,Colony,人工蜂群算法,混沌思想,反向学习策略,策略初始化,调节机制,大种,种群多样性,跳出局部,局部最优,邻域搜索,惯性权重,重来,寻优能力,速度反馈,避障行为,控制机,下运,标点,算法步骤,简捷,决不,任务目标
AB值：
0.417735
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。
