résumé
Pour les paramètres de l'algorithme de planification de trajectoire du robot existent actuellement plus de problèmes, proposer un paramètre de calcul unique algorithme de colonie de fourmis auto-apprentissage. L'algorithme utilise une méthode de grille modifiée pour compléter l'environnement de modélisation, la population des personnes utilisant les règles de voyage 8 géométrie, l'ensemble de la population du processus d'optimisation à l'aide d'auto-apprentissage et de la stratégie de recherche multi-cibles. Caractérisé en ce que l'algorithme pour le calcul uniquement entier d'un paramètre. Les résultats de simulation montrent que l'espace de travail complexe, l'algorithme peut carte rapidement le meilleur chemin à un algorithme d'évitement de collision en sécurité est plus efficace que ce qui existe déjà.
format de citation chinois: Cheng Yue, XU Yi Han, Tang a dit Bian. A paramètres de l'algorithme de planification de chemin d'auto-apprentissage calcul unique Technologie électronique, 2019,45 (4): 100-103,108.
Anglais format de citation: Cheng Le, Xu Yihan, Bian Yuetang. Un algorithme d'auto-apprentissage avec un paramètre de calcul pour la planification du chemin . Application de la technique électronique, 2019,45 (4): 100-103,108.
0 introduction
La principale planification de trajectoire du robot (planification robot Path, RPP) objectif est de trouver un espace de travail dans le chemin de déplacement du point de départ au point cible, le robot peut éviter tous les obstacles, et la longueur du chemin le plus court. les questions de RPP recherche connexes a été largement utilisé dans la logistique, des matières dangereuses transfert, grande conception de circuits intégrés à grande échelle et d'autres domaines dans . Dans un problème lié à l'algorithme de RPP, la méthode de la grille (Méthode grille, GM) sont une classe de procédé utilisé le plus souvent pour la modélisation de l'environnement . Il y a trop de paramètres pour calculer certains problèmes existants algorithme RPP . Par exemple: Document L'algorithme proposé nécessite le paramètre de calcul 5 ensemble, et Document Les paramètres de calcul de l'algorithme proposés doivent sept ensemble. Fait référence au contrôle paramètre des paramètres du modèle d'algorithme de calcul, comme le nombre d'itérations effectuées ne sont pas des paramètres inclus. Les paramètres de calcul augmentation excessive de la complexité de l'algorithme est essentiellement difficile à l'application pratique de l'ingénierie de l'algorithme.
Cet article présente un nouveau RPP pour résoudre le problème de l'algorithme de colonie de fourmis auto-apprentissage (Ant Colony Optimization auto-apprentissage, Slaco), qui utilise une méthode de grille modifiée (Méthode améliorée Grille, IGM) la modélisation de l'environnement, les fourmis l'utilisation individuelle des règles de déplacement de 8 géométrie. l'apprentissage de la machine et de la stratégie de recherche multi-cibles, les fourmis individuelles se trouvent dans une recherche de plusieurs chemins possibles pour améliorer l'efficacité de l'algorithme. En particulier, la nécessité d'un algorithme de calcul de paramètres, l'algorithme simplifie le processus de débogage.
Une politique de Voyage géométrie
2 colonie de fourmis auto-apprentissage algorithme
cellule (x, y) représente une densité de cellules de X × Y plan de la grille dans les coordonnées (x, y) représentatifs de la cellule, satisfont: x {1,2, ..., X}, {y 1,2, ..., Y}, S représente la position initiale des cellules unitaires de robot, D représente l'emplacement de la cellule cible, population pkt représente le k-ième individu ant l'emplacement de la cellule à l'instant t.
2.1 Procédé de grille de modélisation de l'environnement améliorée
Procédé d'amélioration de la grille (IGM) est principalement utilisé pour la modélisation de l'environnement Slaco algorithme. IGM apporter les améliorations suivantes sur la méthode de la grille de base:
(1) algorithme Slaco, la cellule cible D est considérée comme nourriture. D à travers des opérations de la division alimentaire générées et stockées dans les collections de recherche cible de recherche objectif fixé SA. SA définie comme suit:
Lorsque, l est la cible de recherche dans l'ensemble d'indices de SA, L le nombre total d'enregistrements dans la cible de recherche ensemble SA, tcl SA représente la l-ième cible de recherche. Lorsque le -géométrie est utilisé, il y a un 2 directions générant une cible de recherche, peuvent être générés une pluralité de cibles de recherche dans chaque direction. Lorsque l'exécution de l'algorithme spécifique Slaco, l'opération de division alimentaire utilise une 16 géométrie. Carte IGM dans chaque cellule et augmentent deux marqueurs de la . = 0 indique que la cellule courante est une cellule d'obstacle; = 1 indique que la cellule courante est la cellule de la région réalisable. En conséquence, les cellules de la carte IGM peuvent être formellement décrits comme une cellule (x, y) (, ). = 1 représente la cellule courante de la cellule cible de recherche; = 0 indique que la cellule actuelle est pas la cellule cible de recherche. Par la conception ci-dessus, une cellule d'unité de carte IGM comprend les trois types suivants: cellule unitaire de cellules d'obstacle (x, y) (0,0); cellule de la cellule d'unité de région réalisable (x, y) (1,0); Recherche cellule de la cellule cible (x, y) (1,1).
(2) la majeure partie de l'algorithme de RPA selon la méthode de la grille, le robot doit déterminer si chaque rangée d'autres rencontres un espace de travail limite ou hors de portée. Par conséquent, la frontière est un juge fréquente vaste programme de l'algorithme de calcul en tête de RPP. Plan de grille classique, le robot est déterminée limite l'espace de travail est généralement effectuée en conformité avec les coordonnées de la cellule de traitement particulier. IGM autour de la carte de grille de base ajoute une couche de cellules-barrières. Lorsque le robot se déplace jusqu'à la limite de l'espace de travail, faisant juste jugement des obstacles de routine, ne nécessitent pas de traitement spécial frontière. Bien que ce procédé augmente la quantité d'espace de stockage, mais le temps d'exécution de l'algorithme de calcul de tête peut être réduit.
Sur la base de la description ci-dessus, un ensemble de cartes stockées GM IGM peut être décrite comme suit:
Une carte de grille de la 8 × 8, par exemple, pour augmenter la densité cellulaire limite réelle était de 10 x 10, les composants représentés sur la Figure 2. Carte des IGM.
La principale stratégie 2.2 algorithme d'auto-apprentissage de la colonie de fourmis
2.2.1 politique Voyage individuel fourmi
fourmis Slaco formule de voyage politique (3):
2.2.2 stratégie de recherche gloutonne
De formule (3), lorsque 0
