文献类型：期刊文章

作　　者：刘景森[1,2] 吉宏远[2] 李煜[3]

LIU Jing-Sen;JI Hong-Yuan;LI Yu(Institute of Intelligent Network System,Henan University,Kaifeng 475004;College of Software,Henan University,Kaifeng 475004;Institute of Management Science and Engineering,Henan University,Kaifeng 475004)

机构地区：[1]河南大学智能网络系统研究所,开封475004 [2]河南大学软件学院,开封475004 [3]河南大学管理科学与工程研究所,开封475004

出　　处：《自动化学报》

基　　金：国家自然科学基金(71601071);河南省重点研发与推广专项基金(182102310886)资助。

年　　份：2021

卷　　号：47

期　　号：7

起止页码：1710-1719

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为更好地解决移动机器人路径规划问题,改进蝙蝠算法的寻优性能,拓展其应用领域,提出了一种具有反向学习和正切随机探索机制的蝙蝠算法.在全局搜索阶段的位置更新中引入动态扰动系数,提高算法全局搜索能力;在局部搜索阶段,融入正切随机探索机制,增强算法局部寻优的策略性,避免算法陷入局部极值.同时,加入反向学习选择策略,进一步平衡蝙蝠种群多样性和算法局部开采能力,提高算法的收敛精度.然后,把改进算法与三次样条插值方法相结合去求解机器人全局路径规划问题,定义了基于路径结点的编码方式,构造了绕避障碍求解最短路径的方法和适应度函数.最后,在简单和复杂障碍环境下分别对单机器人和多机器人系统进行了路径规划对比实验.实验结果表明,改进后算法无论在最优解还是平均解方面都要优于其他几种对比算法,对于求解机器人全局路径规划问题具有较好的可行性和有效性.

关 键 词：蝙蝠算法  三次样条插值 路径规划 扰动系数  正切随机探索  反向学习  

分 类 号：TP18] TP242]