1、要比较精确，所以最终我就采用了混合粒子群算法，其与基本粒子群算法没有很明显的区别，只是在迭代运算的过程中加入了些遗传算法中交叉算子的思想，再加入该思想之后，通过的编码实现对机器人路径的规划，其效果可以通过上述仿真图看出。本文利用粒子优化群算法对机器人路径进行规划，我首先是采取栅格法的到所有可行路径，最后用粒子群算法度路径进行优化最终选取条最佳路径，粒子群算法中初始参数的选择会影响粒子最终的适应度值，迭代次数的多少会影响运算的精度，栅格法选取最短路径实际上是根据权值的大小来决定的。通过粒子群优化算法与路径规划方法的结合最终完成了机器人最优路径的选取。
2、在实际的运算当中以及算法当中，当有多条路径时，机器人最终只能选择其中的条。因此，怎样对更新后的位置向量是粒子位置更新的关键，并且对其进行越界检查和避障检查。本篇文章所使用的检查策略为提取出来位置向量中值为的栅格序号，并将提取出来的这些序号构成集合对其进行全排列，并且对中的每个序列,,进行避障检查和边界检查。通过上述定义可得到如果可以表示栅格序号为的栅格中心的连线，那么必须满足不会穿过任何障碍栅格才可以使得机器人运行的路径完全避障，即不会超过当前视野域的任何边又不会出现图所示的情形，如果至少存在个排列是满足上述要求的，那么就能够允许更新，否则不可以。
3、春霞，刘华军移动机器人路径规划中的图方法应用综述工程图学学报，孙铁波单体移动机器人环境建模方法研究科技信息，章军小生境粒子群优化算法及其在多分类器集成中的应用研究博士学位论文合肥中国科技大学研究生院，刘希玉，刘弘编著人工神经网络与微粒群优化第章粒子群算法北京邮电大学出版社，俞欢军，张丽平，陈德钊等基于反馈策略的自适应粒子群优化算法浙江大学学报工学版，龚纯，王正林编著，精通最优化计算第版霍迎辉，张连明种移动机器人的路径规划算法自动化技术与应用，谢宏斌，刘国栋动态环境中基于模糊神经网络的机器人路径规划的种新方法江南大学学报自然科学版，周兰凤，洪炳熔用。
4、于知识的遗传算法实现移动机器人路径规划电子学报，姚亚峰算法的种高效率实现计算机与数字工程，于红斌，李孝安基于栅格法的机器人快速路径规划微电子学与计算机，谢克炜移动机器人室内复杂场景下的动态路径规划大连大连理工大学硕士学位论文，庄慧忠机器人路径规划及相关算法研究科技通报，附录主程序基本粒子群优化算法名称混合粒子群优化算法基于杂交的算法作用求解优化问题说明全局性，并行性，高效的群体智能算法初始格式化给定初始化条件学习因子学习因子惯性权重最大迭代次数搜索空间维数未知数个数初始化群体个体数目设置精度在已知最小值时候用初始化种群的个体可以在这里限定位置和速。
5、交概率决定的，池中的微粒随机进行两两杂交并且产生与父代同样数目的子代微粒，子代的速度和位置计算公式为式，此时要使得和的值保持不变如果已经满足所设定的停止条件即开始时设置的最大迭代次数或者预设的运算精度，则停止搜索，输出运行结果，否则就返回继续进行搜索。优化后粒子群算法实现收敛效果图图改进粒子群算法适应度曲线仿真效果图图收敛曲线图最优化路径仿真图结论通过以上过程的论述，我起初用基本粒子群算法对问题进行优化，但是基本粒子群算法虽然能够进行优化，但是其优化效率低，而且运算精度也打不到要求，何况针对移动机器人路径规划这复杂的问题，其运算复杂，而且要求的结。
6、，的变化趋势是随着迭代次数的增加线性减小的，计算如下式式中，截止到目前的迭代次数为，当前总的迭代次数为，，，其余参数均根据合理参数范围选择即可。粒子位置和速度更新策略粒子速度更新仍然采用标准粒子群算法中的速度更新公式，即式。微粒位置更新问题是机器人路径规划二进制粒子群算法的最重要的部分。该论文中的微粒位置的更新以式为标准，以下为本文采用的粒子位置更新策略由算法本身的特点，本篇论文中对微粒位置的更新事实上是对粒子位置向量中的个分量的更新，定义第个微粒的位置向量为，那么定义更新后的位置分量为。从到的差别就是其中的个分量的值由原始的变成了，或者是从原始。
7、新。粒子群优化算法的改进混合粒子群算法该论文中采用的粒子群优化算法是混合粒子群优化算法，混合粒子群算法是指借鉴其他些智能优化算法的思想而形成的粒子群算法。除了粒子群算法外，还有遗传算法模拟退火算法以及神经网络智能算法，这些算法是目前应用比较广泛的智能算法，每种智能算法都有其特点，因此自然而然就有了结合各种智能算法的优点而形成的混合粒子群算法。在此我选择的是基于自然选择的粒子群优化算法。算法的原理借鉴遗传算法中的杂交概念，在每次迭代中，选取指定数量的粒子放入杂交池中是依据杂交概率来进行选择的，将池中的微粒任意进行两两杂交，并且产生的子代粒子的数量和。
8、变成了。但是上述位置分量的变化也许有可能使的更新后的位置分量所映射的路径不能达到安全避障的目标。因此，在我们改变微粒的位置的维分量的值的时候，我们都要对系统进行越界检查和避障检查，看更新后的位置向量，检查其所对应的路径是否超过视野域范围或者是不是和障碍物相碰。如果即达到安全避障又没有超过视野域范围，就可以允许将添加到，不满足上述条件就不允许更新。可以假设微粒更新后的位置向量为，视野域中所走过的可行栅格均被记录在此向量中，但是此法有个缺点就是，它并没有折射出这些栅格被经过的先后顺序。如由图所示，其中位置向量为，那么机器人可能经过的的路径为或者。但是。
9、原始池中的数量是样的，此时可将子代微粒替换亲代微粒。通过父代位置进行算术交叉得到子代位置其中是到之间的随机数。而且子代微粒的速度大小可由式计算得到算法步骤种群中各微粒的位置和速度的初始化取值是随机的评价每个微粒的适应度，将当前各微粒的适应度值和位置储存在各粒子的中，将所有的的适应值最优个体的适应度值和位置储存在中更新每个个体粒子的当前位置和当前速度对于每个粒子来说，将其所经历过的最好位置和该粒子的当前位置作比较，如果较好，则将该粒子的当前位置替换其所经历的最优位置通过将当前所有和的值做比较，根据比较结果来判断是否要更新放在杂交池中的粒子的数量是由。
10、这是本篇论文最主要的随想。致谢历经了几个月的忙碌学习，这次艰难却有意义的毕业设计将要马上结束，作为个本科生的毕业设计，由于经验的匮乏，所以不可避免存在许多考虑不周全的地方，因此，假设没有导师的循循善诱的知道和督促，以及起研究的同学们的帮助和支持，能够这么顺利的完成这个毕业设计简直是非常难的。虽然这次毕业设计做的很艰辛，但是通过辅导老师给予的参考资料和同学们给予的帮助以及自己不懈的努力，最终还是完成了。所以，此时此刻我首先要感谢我的导师江祥奎老师给予我莫大的支持和帮助。虽然他平时有很多的工作，但是在我做毕设的每个阶段江老师都会及时给予我帮助，从查阅。
11、始起点和目标点以及各参数和路径表开始粒子群算法与机器人路径规划的结合实现优化算法的适应度函数的确定方式假设第个微粒的位置分量的集合为，而且定义其对应的路径为,那么以下计算式就可以得到第个粒子的适应度根据初始化种群产生的方法初始化粒子的位置和速度由式计算每个粒子的适应值根据式更新没个粒子的历史最优解由式更新种群的全局最优解由式更新每个粒子的速度，根据式调整根新后的速度由式更新每个粒子的位置，将的值加若将得到的最佳路径添加到路径表中若到达或到达栅格，且不会出现图的状况结束函数值式中，均为路径点，由式计算得出。参数的选择该篇论文中优化算法的学习因子都取。
12、资料到现场指导，文献综述和外文资料翻译修改，中期检查，后期详细设计，程序实现等整个过程中都给予了我悉心的指导。我的设计较为复杂烦琐，而且本身学习底子不是很好，但是江老师仍然细心地纠程序和文章中的。他的治学严谨和科学研究的精神及渊博的理论知识令我受益匪浅也是我永远学习的榜样，并将积极影响我今后的学习和工作，也要感谢西安邮电大学对我为期四年的培育。最后，值此论文完成之际，谨向我的导师江祥奎老师致以衷心的感谢和崇高的敬意,,,,。参考文献杨维粒子群优化算法综述中国工程科学出版社，马兆青，袁曾任基于栅格的移动机器人实时导航和避障机器人，，成伟明，唐振民，。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
群智能优化算法在机器人路径规划中的应用的毕业设计论文
