欧美一区不卡二区不卡三区,欧美另类日韩,日韩中文字幕免费版,亚洲一区二区免费看,欧美天天,亚洲欧美另类专区

與經(jīng)典算法相比，智能算法能夠較好適應(yīng)復(fù)雜動(dòng)態(tài)環(huán)境中的不確定、不完整的信息，但需要前期學(xué)習(xí)階段和較G計(jì)算成本，適用于大型機(jī)器人，如無(wú)人車等。

神經(jīng)網(wǎng)絡(luò)規(guī)劃算法

利用神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)器人導(dǎo)航任務(wù)的輸入、輸出之間的復(fù)雜關(guān)系進(jìn)行建模。如文獻(xiàn)[2]提出了一種通過(guò)模仿學(xué)習(xí)過(guò)程構(gòu)建機(jī)器人目標(biāo)導(dǎo)向?qū)Ш江h(huán)境內(nèi)部模型的分層結(jié)構(gòu)。該方法以訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)RNN的回聲狀態(tài)網(wǎng)絡(luò)（Reservoir Computing）為基礎(chǔ)。它由兩個(gè)隨機(jī)生成的RNN組成，一個(gè)用于建模定位，另一個(gè)用于學(xué)習(xí)導(dǎo)航。訓(xùn)練后的系統(tǒng)能夠在較大的未知環(huán)境中定位，并成功導(dǎo)航至目標(biāo)點(diǎn)。

模糊邏輯規(guī)劃算法

除神經(jīng)網(wǎng)絡(luò)外，模糊邏輯可模仿人感知能力以適應(yīng)環(huán)境中的不確定性。

Chang和T. Jin提出了一種模糊推理模型來(lái)解決移動(dòng)機(jī)器人路徑規(guī)劃問(wèn)題[6]。通過(guò)傳感器感知機(jī)器人在未知?jiǎng)討B(tài)環(huán)境下的目標(biāo)/障礙物位置和當(dāng)前速度。在模型中,三個(gè)主要的導(dǎo)航目標(biāo):目標(biāo)取向(尋求目標(biāo)),避障(避免障礙)和旋轉(zhuǎn)運(yùn)動(dòng)(保持航向)都包含在一個(gè)成本函數(shù)找到Z優(yōu)的轉(zhuǎn)向角θ。移動(dòng)機(jī)器人通過(guò)根據(jù)環(huán)境改變成本函數(shù)的權(quán)重來(lái)實(shí)現(xiàn)智能導(dǎo)航

基于仿生的規(guī)劃算法

受生物行為啟發(fā)，將仿生算法應(yīng)用于求解復(fù)雜運(yùn)動(dòng)規(guī)劃問(wèn)題能夠得到良好的效果。

遺傳算法

遺傳算法是一種基于自然遺傳學(xué)的優(yōu)化工具，它利用了自然選擇、交叉和突變等過(guò)程的優(yōu)點(diǎn)。遺傳算法在解決組合優(yōu)化問(wèn)題方面具有很大的潛力，如復(fù)雜環(huán)境下路徑規(guī)劃問(wèn)題。

文獻(xiàn)[8]遺傳算法用于路徑規(guī)劃L域，并結(jié)合了小規(guī)模局部搜索，以適用于動(dòng)靜態(tài)環(huán)境。

文獻(xiàn)[9]提出了一種基于遺傳算法的動(dòng)態(tài)路徑規(guī)劃算法(dynamic path planning algorithm, DPPA)，可在U形、V形等套狀障礙物中，或遇到動(dòng)態(tài)障礙物的情況，生成可行的路徑。

粒子群算法

與GA相似，PSO模仿鳥(niǎo)群覓食，通過(guò)粒子自我體驗(yàn)與社會(huì)經(jīng)驗(yàn)迭代更新。

文獻(xiàn)[11]中，Y. Zhang等人提出了一種不確定環(huán)境下基于PSO的多目標(biāo)機(jī)器人路徑規(guī)劃算法，目標(biāo)函數(shù)由風(fēng)險(xiǎn)度和路徑距離組成，因此，路徑規(guī)劃問(wèn)題被認(rèn)為是一個(gè)具有不確定系數(shù)的約束雙目標(biāo)優(yōu)化問(wèn)題。

J坐標(biāo)PSO (polar coordination PSO, PPSO)用于動(dòng)態(tài)環(huán)境下的機(jī)器人路徑規(guī)劃[12]，該算法將任務(wù)分解為全局規(guī)劃階段和局部規(guī)劃階段。它可以根據(jù)靜態(tài)障礙物信息尋找全局Z優(yōu)路徑。然后，采用在線實(shí)時(shí)路徑規(guī)劃策略，通過(guò)預(yù)測(cè)障礙物的未來(lái)位置來(lái)避開(kāi)移動(dòng)障礙物。

蟻群算法

蟻群算法與PSO算法均屬于通過(guò)群體行為實(shí)現(xiàn)數(shù)據(jù)聚類的算法。在[13]中，X. Chen等人提出了兩階段蟻群算法模型，該模型能夠克服早熟收斂與Z優(yōu)路徑之間的主要不一致性問(wèn)題。

在文獻(xiàn)[14-15]中，提出了一種基于蟻群優(yōu)化的Z優(yōu)路徑規(guī)劃方法。將機(jī)器人視為一個(gè)點(diǎn)，使其在離散的工作環(huán)境表示中占有一個(gè)準(zhǔn)確的單元。在模糊邏輯系統(tǒng)評(píng)價(jià)的代價(jià)函數(shù)中，考慮了路徑的長(zhǎng)度和導(dǎo)航的難度。該算法具有環(huán)境變化的自適應(yīng)能力，可以實(shí)現(xiàn)具有動(dòng)態(tài)障礙物的機(jī)器人全局路徑規(guī)劃。

總體來(lái)看，仿生智能算法能夠規(guī)劃出Z優(yōu)或次優(yōu)的路徑，但它們的收斂速度是無(wú)法確定的，且其規(guī)劃的時(shí)間一般較長(zhǎng)，因此不適用于實(shí)時(shí)性要求G的應(yīng)用場(chǎng)景，多數(shù)被應(yīng)用于離線尋優(yōu)計(jì)算，如物流配送規(guī)劃、新藥物結(jié)構(gòu)探索等L域。