2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于ACS算法的移动机器人实时全局最优路径规划

谭冠政 贺欢 SLOMAN A

谭冠政, 贺欢, SLOMAN A. 基于ACS算法的移动机器人实时全局最优路径规划. 自动化学报, 2007, 33(3): 279-285. doi: 10.1360/aas-007-0279
引用本文: 谭冠政, 贺欢, SLOMAN A. 基于ACS算法的移动机器人实时全局最优路径规划. 自动化学报, 2007, 33(3): 279-285. doi: 10.1360/aas-007-0279
TAN Guan-Zheng, HE Huan, SLOMAN Aaron. Ant Colony System Algorithm for Real-Time Globally Optimal Path Planning of Mobile Robots. ACTA AUTOMATICA SINICA, 2007, 33(3): 279-285. doi: 10.1360/aas-007-0279
Citation: TAN Guan-Zheng, HE Huan, SLOMAN Aaron. Ant Colony System Algorithm for Real-Time Globally Optimal Path Planning of Mobile Robots. ACTA AUTOMATICA SINICA, 2007, 33(3): 279-285. doi: 10.1360/aas-007-0279

基于ACS算法的移动机器人实时全局最优路径规划

doi: 10.1360/aas-007-0279
详细信息
    通讯作者:

    谭冠政

Ant Colony System Algorithm for Real-Time Globally Optimal Path Planning of Mobile Robots

More Information
    Corresponding author: TAN Guan-Zheng
  • 摘要: 以Ant Colony System(ACS)算法为基础提出了一种新的移动机器人实时全局最优路径规划方法.这种方法包括三个步骤:第一步是采用链接图理论建立移动机器人的自由空间模型,第二步是采用Dijkstra算法搜索出一条无碰撞次优路径,第三步是采用ACS算法对这条次优路径的位置进行优化,从而得到移动机器人的全局最优路径.计算机仿真实验的结果表明所提出的方法是有效的,可用于对移动机器人进行实时路径规划.仿真结果也证实了所提出的方法在收敛速度、解的波动性、动态收敛特征以及计算效率等方面都具有比采用精英保留遗传算法的移动机器人路径规划方法更好的性能.
  • 加载中
计量
  • 文章访问数:  2957
  • HTML全文浏览量:  179
  • PDF下载量:  2264
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-08-31
  • 修回日期:  2006-08-28
  • 刊出日期:  2007-03-20

目录

    /

    返回文章
    返回