基于改进PSO的四轮移动机器人全局路径规划

摘要

针对粒子群优化(PSO)算法在全局路径规划时存在收敛速度快但容易陷入局部最优的问题,提出了一种改进的PSO算法.利用随迭代次数递变的突变算子更新粒子的位置,在迭代初期,在小范围突变搜索更新粒子的位置,使得算法快速收敛.在迭代后期,在全局范围突变搜索更新粒子的位置,挣脱局部最优,寻找全局最优.并且将移动机器人运动学约束考虑到粒子位置更新中,使得机器人能够保证一定的速度跟踪所有规划的路径点.对比了改进前后的PSO算法在全局路径规划上的性能表现,结果表明改进的PSO算法在全局搜索能力和算法收敛速度上都优于改进前的算法.最后,将改进的PSO算法应用于一款移动机器人D1,通过实验证明了算法的有效性.