題-1_100_100.jpg)
基本信息
- 項目名稱：
- 基于人工魚群算法改進及機器人路徑規(guī)劃的應(yīng)用
- 小類：
- 信息技術(shù)
- 簡介：
- 在原算法基礎(chǔ)上增加審視行為，使人工魚群算法收斂精度更好。將人工魚群智能算法應(yīng)用于機器人路徑，使機器人有智能篩選最優(yōu)路徑的優(yōu)勢
- 詳細介紹：
- 魚群算法的改進主要對覓食行為進行了改進，為了讓魚的覓食行為更接近現(xiàn)實，增加了審視（搜尋）周圍環(huán)境的環(huán)節(jié)。經(jīng)過審視環(huán)境后，人工魚能獲得更多的周圍環(huán)境狀態(tài)信息。人工魚從獲得的信息中篩選出最優(yōu)的狀態(tài)，因而得出最好的移動方向。將改進的算法應(yīng)用于f(x,y)=sin(x)/x*(sin(y)/y) 函數(shù)進行檢驗。并將算法應(yīng)用在機器人路徑選擇中，我們將機器人繞過障礙物的方式分為三種：1、走障礙物外面。2、走障礙物里面。3、既走障礙物外面又走障礙物里面。通過對這三種路徑深入研究得到最短的機器人運動路線。
作品專業(yè)信息
撰寫目的和基本思路
- 在原算法基礎(chǔ)上增加審視行為，使人工魚群算法收斂精度更好。將人工魚群智能算法應(yīng)用于機器人路徑，使機器人有智能篩選最優(yōu)路徑的優(yōu)勢
科學(xué)性、先進性及獨特之處
- 為了讓魚的覓食行為更接近現(xiàn)實中的魚，所以對魚群算法進行改進。對覓食行為增加了審視（搜尋）周圍環(huán)境的環(huán)節(jié)后，人工魚能獲得更多的周圍環(huán)境狀態(tài)信息。人工魚從獲得的信息中篩選出最優(yōu)的狀態(tài)，因而得出最好的移動方向。分析機器人繞過障礙物三種方式，1、走障礙物外面。2、走障礙物里面。3、既走障礙物外面又走障礙物里面。三種方式都概括了機器人繞過障礙物的所以可能。
應(yīng)用價值和現(xiàn)實意義
- 改進后的魚群算法，收斂精度更高。同時也擴大了擁擠因子的調(diào)節(jié)范圍，提高了魚群算法的可靠性。改進后的魚群算法在尋找最優(yōu)問題上有很高的應(yīng)用，通過魚群算法可以經(jīng)過較少的迭代，而得到可靠性高的最優(yōu)值。
學(xué)術(shù)論文摘要
- 對魚群算法的改進主要對覓食行為進行了改進，為了讓魚的覓食行為更接近現(xiàn)實，增加了審視（搜尋）周圍環(huán)境的環(huán)節(jié)。經(jīng)過審視環(huán)境后，人工魚能獲得更多的周圍環(huán)境狀態(tài)信息。人工魚從獲得的信息中篩選出最優(yōu)的狀態(tài)，因而得出最好的移動方向。應(yīng)用于機器人在尋找最優(yōu)路徑所采用的魚群算法，包括繞過障礙物所要選擇的三種方式：走障礙物外面，走障礙物里面，既走障礙物外面又走障礙物里面。通過對這三種路徑選擇機器人走完全程所需要的最短路徑的算法。
獲獎情況
- 無
鑒定結(jié)果
- 無
參考文獻
- [1]李曉磊.一種新型的智能優(yōu)化方法一人工魚群算法.浙江：浙江大學(xué) 2003 [2]夏黎明.人工魚群算法及其應(yīng)用.廣西：廣西民族大學(xué) 2009 [3] 黃磊. 基于神經(jīng)網(wǎng)絡(luò)的移動機器人路徑規(guī)劃研究[D]. 武漢:武漢理工大學(xué),2008. [4] 陳剛, 沈林成. 復(fù)雜環(huán)境下路徑規(guī)劃問題的遺傳路徑規(guī)劃方法[J]. 機器人,2001,23(l):40-50. [5] 李磊, 葉濤, 譚民等. 移動機器人技術(shù)研究現(xiàn)狀與未來[J]. 機器人, 2002,24(5):15-18.37 [6] LIU Bai,ZHOU Yong-quan,”Dynamic fuzzy clustering method based on artificial fish swarm algorithm, Journal of Computer Applications, vol.29, PP. 1569-1571,June 2009. [7] D. Kortenkamp, R. Peter Bonasso. Artificial intelligence and mobile robots: case studies of successful robot systems [M]. London: The MIT Press, 1998. [8] C. Alexopoulos, P. M. Griffin. Path planning for a mobile robot[J]. IEEE Trans on SysMan Cybern, 1992,22(2):318-322
同類課題研究水平概述
- 近年來出現(xiàn)了一些新穎的隨機性搜索優(yōu)化算法，如利用自然現(xiàn)象與優(yōu)化過程的某些相似性而逐步發(fā)展起來的模擬退火、禁忌搜索算法，模擬自然界生物系統(tǒng)行為的遺傳算法、人工免疫系統(tǒng) 、進化算法、粒子群算法等智能優(yōu)化算法。這些算法的思想和內(nèi)容涉及數(shù)學(xué)、物理學(xué)、生物進化、人工智能、神經(jīng)科學(xué)和概率統(tǒng)計等方面，是通過模擬或揭示某些自然現(xiàn)象或過程而發(fā)展起來的，算法的提出為解決復(fù)雜問題提供了新的思路和手段，算法所具有的獨特優(yōu)點和機制，掀起了優(yōu)化領(lǐng)域的研究熱潮，在諸多領(lǐng)域得到了成功應(yīng)用。 作為群體智能優(yōu)化算法---人工魚群算法是其中較新的一類算法。它是一種基于迭代的優(yōu)化工具，系統(tǒng)初始化為一組隨機解，通過迭代搜索最優(yōu)值。同遺傳算法等其它智能優(yōu)化計算方法相比，人工魚群算法具有并行性、簡單性、全局性、快速性和跟蹤性等特點。人工魚群算法越來越引起人們的關(guān)注，已成為一個新的研究熱點。但是人工魚群算法理論不夠完善，同時算法本身也還存在著一些問題，對其進行研究、改進以及解決算法本身存在的一些缺陷，具有重要的意義。目前，人工魚群算法的研究還處于初級階段，還有很多領(lǐng)域需要研究。
