基于生物激励神经网络的r清洁机器人遍历路径规划算法的改进

摘要

针对基于生物激励神经网络的清洁机器人遍历路径规划算法的遍历面积重复率和遍历路径总长度均较大的问题,对该算法进行了改进:在脱困算法中,采用实时监测机器人邻域神经元状态的方法,使机器人脱困路径缩短;引入邻域神经元状态准则,使机器人在遇到孤岛障碍物避障时,先沿障碍物边沿遍历.仿真结果表明,改进算法可以有效降低遍历面积重复率、遍历路径总长度和转弯次数.