《移动机器人的路径规划》由会员分享，可在线阅读，更多相关《移动机器人的路径规划（14页珍藏版）》请在金锄头文库上搜索。
1、.,1,基于蚁群算法的机器人路径规划,2019.5.27,.,2,目录,CONTENT,01,蚁群算法的简介,02,03,与A*算法的比较,蚁群算法的原理及仿真,.,3,一、蚁群算法的简介,.,4,二、蚁群算法的原理及仿真,2.1 栅格法构建地图 建立地图应用最广泛的方法就是栅格法，其中栅格粒度决定着障碍物的表示精度，栅格粒度越小，障碍物的表示越精确，反之，栅格粒度越大，障碍物的表示越模糊，其中白色区域为可行道路，黑色区域为障碍物。,.,5,二、蚁群算法的原理及仿真,2.2 蚁群算法的原理,.,6,二、蚁群算法的原理及仿真,2.2 蚁群算法的原理,.,7,二、蚁群算法的原理及仿真,2.2 蚁群
2、算法的原理 蚁群算法采用人工蚂蚁模拟自然界蚂蚁的寻路方式，每个人工蚂蚁的行为应符合下列规律：,.,8,二、蚁群算法的原理及仿真,2.2 蚁群算法的原理 如果在给定点，一只蚂蚁要在不同的路径中选择，那些被先行蚂蚁大量选择的路径(也就是信息素留存较浓的路径)被选中的概率也更大，较多的信息素意味着较短的路径，也就意味着较好的问题答案。,.,9,二、蚁群算法的原理及仿真,2.3 蚁群算法的仿真 假设有 50 只蚂蚁，最大迭代次数为 200次，信息素重要程度因子1，启发函数重要程度因子7 ，信息素挥发因子 0.3 。选取坐标点（1，1）为起始点，右下角坐标点为目标点，其结果如下：,.,10,三、与A*算
3、法的比较,3.1 A*算法的原理 其中评估函数 F(n)是从起始节点通过节点 n 的到达目标节点的最小代价路径的估计值,函数 G(n)是从起始节点到 n 节点的已走过路径的实际代价,函数H(n)是从 n 节点到目标节点可能的最优路径的估计代价,函数 H(n)表明了算法使用的启发信息,它来源于人们对路径规划问题的认识,依赖某种经验估计。 F(n)=G(n)+H(n),.,11,三、与A*算法的比较,3.2 蚁群算法与A*算法的比较 在地图中，分别应用蚁群算法和 A*算法都获得了避障的路径规划图，通过计算对比，A*算法的路径距离要大于蚁群算法的路径距离，显然，通过蚁群算法进行路径规划要比 A*算法要更简洁。,.,12,三、与A*算法的比较,3.2 蚁群算法与A*算法的比较 在地图中，分别应用蚁群算法和 A*算法都获得了避障的路径规划图，通过计算对比，A*算法的路径距离要大于蚁群算法的路径距离，显然，通过蚁群算法进行路径规划要比 A*算法要更简洁。,.,13,谢谢！,感谢亲观看此幻灯片，此课件部分内容来源于网络， 如有侵权请及时联系我们删除，谢谢配合！,
