摘要
采用粒子群算法搜索每个栅格内的最优点坐标,将传统A星算法的搜索角度任意化。仿真表明,改进A星算法得到的路径缩短了4%,平均转折角度减小了54%。
Particle swarm optimization is used to search the best coordinates in each grid. The search angle based on traditional A star algorithm is unrestricted. Simulation indicates that the path length obtained by the improved algorithm is reduced by 4% and the average turning angle is reduced by 54%.
引文
[1] 史久根,刘春霞,席海强.CA模型下的改进D*路径规划算法[J].电子测量与仪器学报,2016,30(1):30-37.
[2] 赵晓,王铮,黄程侃,等.基于改进A*算法的移动机器人路径规划[J].机器人,2018,40(6):137-144.
[3] 姚雨,李庆,陈曦.优化的A*算法在航迹规划上的应用[J].微电子学与计算机,2017,34(7):51-55.
[4] 王殿君.基于改进A*算法的室内移动机器人路径规划[J].清华大学学报:自然科学版,2012,52(8):1085-1089.
[5] 蔡旻,刘士凡,陶重犇,等.基于改进A*算法的分拣搬运机器人路径规划[J].计算机测量与控制,2018,26(4):164-166,170.
[6] 金飞虎,郭琦.基于蚁群算法的Hopfield神经网络在多空间站路径规划的应用研究[J].计算机应用研究,2010,27(1):51-53.
[7] 魏勇,赵开新,王东署.改进粒子群算法在移动机器人路径规划中的应用[J].火力与指挥控制,2018,43(2):41-43.
[8] 宋宇,王志明.基于WDO的无人机全局路径规划方法[J].长春工业大学学报,2017,38(6):555-559.