公开(公告)号：CN112269382B

公开(公告)日：2021-06-29

申请号：CN202011129164.6

申请日：2020-10-21

Applicant: 桂林电子科技大学

Inventor： 张文辉 ,  王晨宇 ,  林基明 ,  林文杰

IPC: G05D1/02

Abstract: 本发明公开一种机器人多目标路径规划方法，结合了蚁群算法构建了强化学习模型，在蚁群算法迭代过程中对蚁群算法的信息素更新策略进行控制，并将其应用于多目标的路径规划任务中。该方法能够对算法运行状态进行感知，动态的调整更新策略，保证算法在不同状态下采取适当的策略，一方面增加算法探索位置区域的速度，另一方面避免算法陷入局部最优解中，提高算法后期的收敛精度。

公开(公告)号：CN108803332B

公开(公告)日：2021-01-19

申请号：CN201810639473.4

申请日：2018-06-20

Applicant: 桂林电子科技大学

Inventor： 张文辉 ,  刘彤 ,  林基明 ,  王晨宇

IPC: G05B13/04

Abstract: 本发明公开一种基于改进生物地理学的路径规划方法，在迁移过程中采用基于更新代数设置的自适应迁移算子优化，增强了算法的全局搜索能力并提高收敛速度和收敛精度；在变异过程中采用差分进化模型，提高算法多样性，避免陷入局部最优；全局采用余弦迁移模型，使系统更加趋向于自然界中真实情况，提高算法性能。将坐标降维和障碍物数量确定路径点的方法应用于路径规划的场景中，实验结果表明了该算法的有效性。

公开(公告)号：CN108803332A

公开(公告)日：2018-11-13

申请号：CN201810639473.4

申请日：2018-06-20

Applicant: 桂林电子科技大学

Inventor： 林基明 ,  刘彤 ,  张文辉 ,  王晨宇

IPC: G05B13/04

CPC classification number: G05B13/042

Abstract: 本发明公开一种基于改进生物地理学的路径规划方法，在迁移过程中采用基于更新代数设置的自适应迁移算子优化，增强了算法的全局搜索能力并提高收敛速度和收敛精度；在变异过程中采用差分进化模型，提高算法多样性，避免陷入局部最优；全局采用余弦迁移模型，使系统更加趋向于自然界中真实情况，提高算法性能。将坐标降维和障碍物数量确定路径点的方法应用于路径规划的场景中，实验结果表明了该算法的有效性。

公开(公告)号：CN112269382A

公开(公告)日：2021-01-26

申请号：CN202011129164.6

申请日：2020-10-21

Applicant: 桂林电子科技大学

Inventor： 张文辉 ,  王晨宇 ,  林基明 ,  林文杰

IPC: G05D1/02

Abstract: 本发明公开一种机器人多目标路径规划方法，结合了蚁群算法构建了强化学习模型，在蚁群算法迭代过程中对蚁群算法的信息素更新策略进行控制，并将其应用于多目标的路径规划任务中。该方法能够对算法运行状态进行感知，动态的调整更新策略，保证算法在不同状态下采取适当的策略，一方面增加算法探索位置区域的速度，另一方面避免算法陷入局部最优解中，提高算法后期的收敛精度。