典型文献
基于GA-PSO的矿井巡检机器人路径规划
文献摘要：
在复杂矿井地形中,标准的粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)在巡检机器人路径规划方面分别存在局部寻优能力贫乏、全局寻优能力欠缺的问题,针对这一问题,提出了一种基于GA-PSO算法的矿井巡检机器人路径规划新算法.该算法先将障碍物在栅格地图上表示为规则图形,完成对环境模型的创建;再引入随机惯性权重模型优化标准粒子群算法,通过在粒子群算法中加入遗传算法的选择、交叉和变异操作算子,将得到遗传信息的精英粒子群分割出来产生下一代粒子,完成算法的融合,以此作为路径寻优算法使机器人完成起点到目标点的路径搜索.仿真结果表明,新算法相较于原算法成功率显著提高且路径长度明显缩短,即新算法的综合性能优于两种算法单独使用的效果,使得全局路径规划结果所得的路线更为平滑.
文献关键词：
矿井巡检机器人;随机惯性权重模型;遗传算法;粒子群算法
中图分类号：
作者姓名：
刘子厚;姜媛媛
作者机构：
安徽理工大学 电气与信息工程学院,安徽 淮南 232001
文献出处：
引用格式：
[1]刘子厚;姜媛媛-.基于GA-PSO的矿井巡检机器人路径规划)[J].新余学院学报,2022(06):17-23
A类：
矿井巡检机器人,随机惯性权重模型
B类：
GA,PSO,机器人路径规划,复杂矿井,Particle,Swarm,Optimization,Genetic,Algorithm,别存,寻优能力,贫乏,全局寻优,新算法,障碍物,栅格地图,环境模型,再引入,模型优化,标准粒子群算法,变异操作,操作算子,遗传信息,精英粒子,割出,生下,下一代,成算,路径寻优,寻优算法,标点,路径搜索,路径长,全局路径规划
AB值：
0.308105
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。
