|
|||||
|
|
| 基于改进粒子群优化算法的AGV全局路径规划 | |
| 引用本文： | 曹有辉,王良曦.基于改进粒子群优化算法的AGV全局路径规划[J].计算机工程与应用,2009,45(27):224-227. |
| 作者姓名： | 曹有辉 王良曦 |
| 作者单位： | 装甲兵工程学院 机械工程系，北京 100072 |
| 摘 要： | 分析了用人工神经网络模型描述环境时，采用Sigmoid函数作为神经网络作用函数的不足之处，提出采用双曲正切函数作为神经网络的作用函数，使网络更有利于路径优化算法的寻优计算。粒子群优化（Particle Swarm Optimization，PSO）算法具有收敛速度快，需要调节的参数少等优点，但优化过程中容易发生“早熟”收敛，使优化陷入局部极小值。通过引入模拟退火算法、“交叉算子”和“变异算子”，提出了一种新的改进粒子群优化算法（Improved Particle Swarm Optimization，IPSO）来解决AGV全局路径规划问题。仿真结果表明，IPSO具有很强的全局寻优能力，并且收敛速度比PSO快，能够为AGV规划出理想的路径。 |
| 关 键 词： | 自动牵引车 全局路径规划 改进粒子群优化 人工神经网络 作用函数 |
| 收稿时间： | 2008-5-26 |
| 修稿时间： | 2008-8-18 |
Globol path planning for Automated Guided Vehicles based on improved Particle Swarm Optimization |
|
| CAO You-hui,WANG Liang-xi.Globol path planning for Automated Guided Vehicles based on improved Particle Swarm Optimization[J].Computer Engineering and Applications,2009,45(27):224-227. | |
| Authors: | CAO You-hui WANG Liang-xi |
| Affiliation: | Department of Mechanical Engineering，Academy of Armored Force Engineering，Beijing 100072，China |
| Abstract: | |
| Keywords: | Automated Guided Vehicles（AGV） global path planning Improved Particle Swarm Optimization（PSO） Artificial Neural Networks（ANN） action function |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与应用》下载全文 | |