摘要
移动机器人的路径规划主要目的的寻找一条无碰撞的最优路径。传统的混合蛙跳算法(SFLA)存在容易陷入局部最优、青蛙的步长不能自适应、收敛精度差的特点。本文将路径规划问题转换为求解最优化问题,基于青蛙与目标和障碍物之间的距离来定义青蛙的适应度,通过在青蛙更新时引入种群最优蛙和平均值,避免陷入局部最优;通过引入欧氏距离来设计一种自适应步长算子,根据青蛙与目标之间的距离来调节步长,提高了算法的收敛精度。在仿真实验中,与传统的蛙跳算法相比,改进的算法规划的平均时间从7.87s提升至5.34 s,成功率从86.7%提高至100%。
出处
《电子制作》
2015年第4Z期27-28,共2页
Practical Electronics
