基于检测算子经验学习鱼群算法的移动机器人路径规划

摘要

针对移动机器人的路径规划问题,提出了一种基于检测算子经验学习鱼群算法(Based on Experience Learning Detection Operator Artificial Fish Swarm Algorithm,ELDO-AFSA)的路径规划策略.对于路径规划后的曲线进行优化检测,设计了优化检测算法.为解决鱼群算法在移动机器人路径规划中普遍出现的次优解干扰全局路径规划合理性问题,设计了经验学习算法,使得每条鱼都有学习错误经验的能力;为了不断逼近全局最优路径值,设计寻优检测算子.目前在机器人路径规划上仿生算法和模糊逻辑算法表现出较好的规划效果.通过与传统人工鱼群算法(ASFA)、动态分级蚁群算法(WAS)、模糊逻辑算法的比较(Fuzzy Logical,FL),证实了研究中算法在路径规划上能快速找到最优的路径.通过在MATLAB中的仿真实验,验证算法的优越性、合理性和稳定性.