2024年IEEE TAES SCI2区,一种改进人工电场算法用于机器人路径规划,深度解析+性能实测

目录


1.摘要

本文针对人工电场算法(AEFA)在优化性能和应用范围方面的不足,提出了一种改进人工电场算法(I-AEFA),并将其成功应用于三维复杂环境下的机器人路径规划问题。该算法通过引入参数自适应、反向学习和柯西变异三种机制,显著增强了种群的全局搜索能力与收敛精度。在此基础上,构建了精确的三维地形模型,并结合三次样条插值方法,实现了机器人全局路径的高效规划。通过大量虚拟仿真实验与硬件在环仿真,对不同改进机制、控制点数量以及单机器人与多机器人场景下的算法性能进行了系统评估。

2.改进人工电场算法

AEFA自适应参数

AEFA 中所有粒子同时施力易造成合力相互抵消,导致早期全局搜索能力不足、后期收敛缓慢。为改善探索与开发的平衡,本文仅选取每代适应度排名前P%的粒子参与施力,从而增强全局探索能力并加快收敛速度。
P ( t ) = P 0 + ( 100 − P 0 ) × ( 1 − t / T ) P\left(t\right)=P_0+\left(100-P_0\right)\times\left(1-t/T\right) P(t)=P0+(100−P0)×(1−t/T)

当前粒子所受合力:
F i d ( t ) = ∑ j = 1 , j ≠ i r o u n d ( P ( t ) × N / 100 ) r a n d j F i j d ( t ) F_i^d(t)=\sum_{j=1,j\neq i}^{\mathrm{round}(P(t)\times N/100)}\mathrm{rand}jF{ij}^d(t) Fid(t)=j=1,j=i∑round(P(t)×N/100)randjFijd(t)

柯西变异,反向学习常见,略。

3.路径规划

论文通过基准地形模型构建三维环境,利用控制点与三次样条插值实现路径表示与平滑,并在此基础上设计约束条件和适应度函数以求解最优路径。
Z ( x , y ) = ∑ i = 1 J H i exp ⁡ − ( x − x i X d i ) 2 − ( y − y i Y d i ) 2 Z\begin{pmatrix}x,y\end{pmatrix}=\sum_{i=1}^JH_i\exp\left-\\left(\\frac{x-x_i}{X_{di}}\\right)\^2-\\left(\\frac{y-y_i}{Y_{di}}\\right)\^2\\right Z(x,y)=i=1∑JHiexp−(Xdix−xi)2−(Ydiy−yi)2

采用三维控制点与三次样条插值实现路径表示与平滑,确保曲率与挠率连续;在此基础上设置高度避障、多机器人避碰及边界约束,并综合路径长度与平滑性构建适应度函数,实现安全高效的最优路径规划。

min(fitness) = min ⁡ ω 1 ( L 1 + L 2 + ... L n ) + ω 2 ( C 1 + C 2 + ... C n ) + ω 3 ( T 1 + T 2 + ... T n ) + ω 4 ( R 1 + R 2 + ... R n ) \begin{aligned}&\text{min(fitness)}\\&\left.=\min\left\\begin{array}{c}\\omega_1\\left(L_1+L_2+\\ldots L_n\\right)+\\omega_2\\left(C_1+C_2+\\ldots C_n\\right)\\\\+\\omega_3\\left(T_1+T_2+\\ldots T_n\\right)+\\omega_4\\left(R_1+R_2+\\ldots R_n\\right)\\end{array}\\right.\\right\end{aligned} min(fitness)=minω1(L1+L2+...Ln)+ω2(C1+C2+...Cn)+ω3(T1+T2+...Tn)+ω4(R1+R2+...Rn)

其中, L i 、 C i 、 T i L_i、C_i、T_i Li、Ci、Ti和 R i R_i Ri分别表示第 i i i个机器人的路径长度、最大曲率、最大挠率和碰撞威胁值, ω 1 \omega_1 ω1、 ω 2 \omega_2 ω2、 ω 3 \omega_3 ω3与 ω 4 \omega_4 ω4为对应指标的权重系数。

4.结果展示

5.参考文献

1 Tang J, Pan Q, Chen Z, et al. An improved artificial electric field algorithm for robot path planningJ. IEEE Transactions on Aerospace and Electronic Systems, 2024, 60(2): 2292-2304.

6.代码获取

xx

7.算法辅导·应用定制·读者交流

xx

相关推荐
凌冰_3 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
Pniubi3 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜3 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo
在所不辞兄6 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
AvocadoZeroOneOI10 小时前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
cjz389912 小时前
双指针技巧:覆盖式双指针(原地覆盖)
算法
橘子1316 小时前
【高级数据库】关系代数基本概念
算法
电科_银尘1 天前
【大模型算法与工程 15】手写Self-Attention:Q、K、V与缩放点积
算法
郝学胜-神的一滴1 天前
Effective STL 条款03:容器中的对象复制要廉价且正确
开发语言·数据结构·c++·算法·rpc·stl
秋天的怀念_David1 天前
算法一千零一夜 · 第三十三夜 · 跳表
java·程序人生·算法