中文引用格式： 王友運(yùn)，徐堅(jiān)磊，胡燕海，等. 基于改進(jìn)PSO算法的機(jī)器人路徑規(guī)劃研究[J]. 電子技術(shù)應(yīng)用，2024，50(4)：75-80.
英文引用格式： Wang Youyun，Xu Jianlei，Hu Yanhai，et al. Research on robot path planning based on improved PSO algorithm[J]. Application of Electronic Technique，2024，50(4)：75-80.
引言
機(jī)器人路徑規(guī)劃即機(jī)器人依據(jù)某些指標(biāo)在運(yùn)動(dòng)空間中從起點(diǎn)到終點(diǎn)找到一條最優(yōu)的路徑[1]。目前，現(xiàn)實(shí)生活中常見(jiàn)的可用于路徑規(guī)劃的算法包括A-star算法[2]、D-star算法[3]、粒子群（Particle Swarm Optimization，PSO）算法[4]、蟻群優(yōu)化（Ant Colony Optimization，ACO）算法[5]等。其中粒子群算法用個(gè)體和社會(huì)兩種屬性疊加進(jìn)行搜索，以其參數(shù)簡(jiǎn)潔、收斂速度快、搜索效率高等優(yōu)點(diǎn)被廣泛應(yīng)用于機(jī)器人路徑規(guī)劃及優(yōu)化過(guò)程中。
雖然粒子群算法在機(jī)器人領(lǐng)域的應(yīng)用很廣泛，但傳統(tǒng)粒子群算法主要是通過(guò)跟蹤粒子個(gè)體極值和全局極值進(jìn)行搜索，這樣粒子就容易在某一極值點(diǎn)上聚集，從而使算法早熟收斂，陷入局部最優(yōu)[6]。針對(duì)這一問(wèn)題，徐福強(qiáng)等人[7]提出引入Circle映射和正弦余弦因子的改進(jìn)粒子群算法，使用Circle映射來(lái)豐富種群多樣性，采用正余弦因子來(lái)平衡全局探索與局部開(kāi)發(fā)能力；汪雅文等人[8]提出了融合吸引排斥和雙向?qū)W習(xí)的改進(jìn)粒子群算法，通過(guò)雙向?qū)W習(xí)策略擴(kuò)大粒子搜索范圍，利用吸引排斥策略提高算法的局部尋優(yōu)和收斂性能；Yuan等人[9]提出了一種基于差分進(jìn)化的改進(jìn)粒子群算法，研究出了一種“高強(qiáng)度訓(xùn)練”模式，利用改進(jìn)的差分進(jìn)化算法對(duì)粒子群算法的全局最優(yōu)位置進(jìn)行密集訓(xùn)練，提高了算法的搜索精度；陳天培等人[10]提出基于模糊邏輯的改進(jìn)粒子群算法，通過(guò)模糊處理控制路徑規(guī)劃的輸入量，防止系統(tǒng)陷入局部最優(yōu)；封建湖等人[11]提出了一種聚類(lèi)融合交叉粒子群算法，通過(guò)K均值聚類(lèi)來(lái)保存良性群體的極值位置，利用交叉和變異算子來(lái)增加粒子多樣性，避免算法在早期就陷入早熟收斂。
基于以上研究，本文提出在粒子種群初始化階段引入混沌映射理論，同時(shí)采用動(dòng)態(tài)多種群并行策略來(lái)進(jìn)行改進(jìn)，從而得到混沌動(dòng)態(tài)多種群粒子群（Chaotic Dynamic Multi population Particle Swarm Optimization，CDMPSO）算法，最后通過(guò)進(jìn)行大量的仿真實(shí)驗(yàn)來(lái)驗(yàn)證改進(jìn)算法的可行性。
本文詳細(xì)內(nèi)容請(qǐng)下載：
http://m.jysgc.com/resource/share/2000005952
作者信息：
王友運(yùn)1，徐堅(jiān)磊2，胡燕海1，陳海輝2，張行2
（1.寧波大學(xué) 機(jī)械工程與力學(xué)學(xué)院，浙江 寧波 315211；2.寧波航工智能裝備有限公司，浙江 寧波 315311）
