-
公开(公告)号：CN113515124B
公开(公告)日：2023-09-26
申请号：CN202110754079.7
申请日：2021-07-04
Applicant: 河南工业大学
IPC: G05D1/02
Abstract: 本发明提供一种适用于移动机器人路径规划的融合模糊控制的改进蚁群算法，所述包括融合模糊控制的蚁群算法信息素更新策略、自适应权重因子调整策略和利用Floyd思想优化路径，所述融合模糊控制的蚁群算法信息素更新策略，基于普通蚁群算法的层面，融合模糊控制器加大信息素在有效路径节点上的更新质量；所述自适应权重因子调整策略，利用每一次迭代获得的最优路径，对节点搜索公式的权重因子进行动态调整，加速算法收敛；所述利用基于Floyd算法思想的路径优化算法，设置障碍物安全距离进行路径平滑和优化。该方法改善普通蚁群算法在复杂环境中收敛速度慢、路径优化差的缺点，提高算法收敛速度，优化最终路径。
-
公开(公告)号：CN114237252B
公开(公告)日：2023-05-26
申请号：CN202111554768.X
申请日：2021-12-17
Applicant: 河南工业大学
IPC: G05D1/02
Abstract: 本发明提供一种融合卡尔曼滤波预测思想的适用于移动机器人导航的改进蚁群算法，所述包括引入信息素初始分布规则初始化信息素全局分布，提高初始信息素启发作用；所述采用融合最优节点预测模型的复合型节点选择策略进行蚂蚁寻路过程中的节点选择，增大最优节点选择概率；所述采用融合卡尔曼滤波思想的预测信息素更新模型进行全局信息素浓度最优更新，根据迭代前后两次信息素数值进行最有融合和预测，增大信息素启发作用；所述采用动态更新方式进行蚁群算法节点概率公式中的信息素权重因子和启发信息权重因子的动态更新，加速算法收敛。该方法对于蚁群算法过程具有高度启发作用，改善蚁群算法在移动机器人路径规划过程中的收敛速度慢、精度低等不足，提高算法效率。
-
公开(公告)号：CN114237252A
公开(公告)日：2022-03-25
申请号：CN202111554768.X
申请日：2021-12-17
Applicant: 河南工业大学
IPC: G05D1/02
Abstract: 本发明提供一种融合卡尔曼滤波预测思想的适用于移动机器人导航的改进蚁群算法，所述包括引入信息素初始分布规则初始化信息素全局分布，提高初始信息素启发作用；所述采用融合最优节点预测模型的复合型节点选择策略进行蚂蚁寻路过程中的节点选择，增大最优节点选择概率；所述采用融合卡尔曼滤波思想的预测信息素更新模型进行全局信息素浓度最优更新，根据迭代前后两次信息素数值进行最有融合和预测，增大信息素启发作用；所述采用动态更新方式进行蚁群算法节点概率公式中的信息素权重因子和启发信息权重因子的动态更新，加速算法收敛。该方法对于蚁群算法过程具有高度启发作用，改善蚁群算法在移动机器人路径规划过程中的收敛速度慢、精度低等不足，提高算法效率。
-
公开(公告)号：CN113515124A
公开(公告)日：2021-10-19
申请号：CN202110754079.7
申请日：2021-07-04
Applicant: 河南工业大学
IPC: G05D1/02
Abstract: 本发明提供一种适用于移动机器人路径规划的融合模糊控制的改进蚁群算法，所述包括融合模糊控制的蚁群算法信息素更新策略、自适应权重因子调整策略和利用Floyd思想优化路径，所述融合模糊控制的蚁群算法信息素更新策略，基于普通蚁群算法的层面，融合模糊控制器加大信息素在有效路径节点上的更新质量；所述自适应权重因子调整策略，利用每一次迭代获得的最优路径，对节点搜索公式的权重因子进行动态调整，加速算法收敛；所述利用基于Floyd算法思想的路径优化算法，设置障碍物安全距离进行路径平滑和优化。该方法改善普通蚁群算法在复杂环境中收敛速度慢、路径优化差的缺点，提高算法收敛速度，优化最终路径。
-
-
-
Search Results
4
records
(took 0.018 seconds)
