基于改进遗传算法的移动机器人路径规划方法研究

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (7): 104-107.doi: 10.3969/j.issn.1007130X.2010.

基于改进遗传算法的移动机器人路径规划方法研究

郝博1,秦丽娟2,姜明洋2

(1．沈阳理工大学机械工程学院,辽宁沈阳 110168;2．沈阳理工大学信息科学与工程学院,辽宁沈阳 110168)

收稿日期:2009-03-10 修回日期:2009-06-19 出版日期:2010-06-25 发布日期:2010-06-25
通讯作者: 郝博 E-mail:ruiyi777@163.com
作者简介:郝博（1961），男，辽宁沈阳人，教授，研究方向为多机器人系统、智能设计、CIMS和基因算法应用。
基金资助:
国家863计划资助项目（2003AA411340）；国家自然科学基金资助项目（60473134）

Research on the Path Planning Methods for Mobile Robots Based on an Improved Genetic Algorithm

HAO Bo1,QIN Lijuan2,JIANG Mingyang2

(1.School of Mechanical Engineering,Shenyang Ligong University,Shenyang 110168;
2.School of Information Science and Technology,Shenyang Ligong University,Shenyang 110168,China)

Received:2009-03-10 Revised:2009-06-19 Online:2010-06-25 Published:2010-06-25
Contact: HAO Bo E-mail:ruiyi777@163.com

摘要/Abstract

摘要：

路径规划是机器人技术研究领域中的核心问题。本文针对机器人路径规划问题，提出了基于遗传算法的解决方案。在遗传算子的设计中，通过加入自适应调整方法使得算法更加完善，解决进化过程中因陷入局部极小值而不能到达目标点的问题。最后，在模拟环境下进行路径规划仿真，验证了算法的有效性。

关键词: 移动机器人, 路径规划, 遗传算法

Abstract:

Path planning is the kernel problem of the robot technology area.The paper presents a solution to the path planning problem of robots based on the genetic algorithm.In the design of genetic operators,a self adaptation method is also used to make the algorithm more perfect.Therefore,it solves the problem of being not able to reach the target because of being trapped in the local minimum.Finally,path planning is simulated at a simulated environment.It is proved that the algorithm is valid.

Key words: mobile robot;path planning;genetic algorithm

郝博1,秦丽娟2,姜明洋2. 基于改进遗传算法的移动机器人路径规划方法研究[J]. J4, 2010, 32(7): 104-107.

HAO Bo1,QIN Lijuan2,JIANG Mingyang2. Research on the Path Planning Methods for Mobile Robots Based on an Improved Genetic Algorithm[J]. J4, 2010, 32(7): 104-107.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	80

来源	本网站	其他网站

次数	22	58
比例	28%	72%

摘要

最新录用	在线预览	正式出版

0	0	72

	来源	本网站

	次数	72
	比例	100%

[1]	彭频, 王欣悦. 基于匮乏理论的应急物资调度模型构建及算法研究[J]. 计算机工程与科学, 2024, 46(11): 2063-2070.
[2]	乔珍, 尹传忠, 仇鑫. 基于改进蚁群算法的长航程无人船路径规划[J]. 计算机工程与科学, 2024, 46(10): 1835-1842.
[3]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[4]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[5]	吕倩茹, 杨翔瑞, 蔡志平. 基于影响力地图的计算机兵棋推演路径规划[J]. 计算机工程与科学, 2024, 46(06): 1041-1049.
[6]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[7]	沈克宇, 游志宇, 刘永鑫. 基于拟合优先搜索的多场景自适应改进A*算法[J]. 计算机工程与科学, 2024, 46(01): 142-149.
[8]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[9]	李中华, 袁杰, 郭振宇. 基于信息启发的目标导向Bi-RRT机器人路径规划[J]. 计算机工程与科学, 2023, 45(12): 2237-2245.
[10]	张贝, 闵华松, 张新明. 差分变异和领地搜索的平衡优化算法及其机器人路径规划[J]. 计算机工程与科学, 2023, 45(11): 2078-2090.
[11]	张志远, 陈海进, 章一鸣. 基于局部障碍率预获取和双向父节点变更的A*算法优化[J]. 计算机工程与科学, 2023, 45(09): 1661-1669.
[12]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[13]	于家斌, 陈志豪, 邓维, 许继平, 赵峙尧, 王小艺. 一种无人巡航船遍历多目标点的路径规划算法研究[J]. 计算机工程与科学, 2023, 45(05): 840-848.
[14]	杨炳媛, 袁杰, 郭园园. 一种自适应鲸鱼快速优化算法[J]. 计算机工程与科学, 2023, 45(01): 145-153.
[15]	张小俊, 刘昊学. 轮式移动机器人轨迹跟踪控制研究[J]. 计算机工程与科学, 2022, 44(10): 1804-1811.

基于改进遗传算法的移动机器人路径规划方法研究

Research on the Path Planning Methods for Mobile Robots Based on an Improved Genetic Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价