版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、全局路徑規(guī)劃技術(shù)是決定機器人智能化水平高低的關(guān)鍵技術(shù),它是自主導(dǎo)航系統(tǒng)中的一個重要組成部分。在針對全局路徑規(guī)劃算法研究過程中,首先分析了路徑規(guī)劃問題的特點,并結(jié)合遺傳算法的特點,考慮到路徑規(guī)劃問題中適應(yīng)值評價函數(shù)的不確定性,結(jié)合多峰函數(shù)優(yōu)化理論,文中提出了多路徑規(guī)劃的思想。以提供一條最優(yōu)路徑及若干條次最優(yōu)路徑供決策者選擇的方法來彌補適應(yīng)值評價函數(shù)不完善的欠缺。 整個算法被分為兩個階段:第一個階段實現(xiàn)種群多樣性以增強算法的全局搜索
2、能力,基于排擠模型的小生境遺傳算法實現(xiàn)。第二階段實現(xiàn)種群的快速收斂,基于聚類算法及多種群隔離進化遺傳算法實現(xiàn)。文中就排擠機制、形成子種群的聚類算法及多種群隔離進化技術(shù)提出了自己的見解,設(shè)計了相應(yīng)的編碼方案,遺傳算子。路徑規(guī)劃的同時進行優(yōu)化操作,運用簡化算子去除路徑中的冗余結(jié)點,修正算子輔助生成復(fù)雜環(huán)境下的可行路徑,優(yōu)化操作提高了路徑的生成速度。 仿真試驗表明:算法能夠取得全局優(yōu)化搜索與種群快速收斂之間的有效均衡,具有良好的搜索性
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模糊聚類與多生境排擠的小生境遺傳算法研究.pdf
- 排擠小生境遺傳算法的研究與應(yīng)用.pdf
- 基于聚類方法的小生境遺傳算法研究.pdf
- 基于小生境遺傳算法的無功優(yōu)化.pdf
- 改進的小生境遺傳聚類算法應(yīng)用研究.pdf
- 基于小生境遺傳算法的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 基于小生境技術(shù)改進遺傳算法在供電網(wǎng)規(guī)劃中的應(yīng)用.pdf
- 基于小生境遺傳算法的增量貝葉斯算法.pdf
- 小生境遺傳算法的改進及其應(yīng)用.pdf
- 多模態(tài)優(yōu)化的混合小生境遺傳算法.pdf
- 基于小生境遺傳算法的多分類器融合模型.pdf
- 運輸調(diào)度問題的小生境免疫遺傳算法研究.pdf
- 基于改進小生境遺傳算法的配網(wǎng)無功優(yōu)化研究.pdf
- 基于自適應(yīng)小生境遺傳算法的LVS負載均衡調(diào)度研究.pdf
- 基于改進小生境遺傳算法的配電網(wǎng)故障恢復(fù).pdf
- 小生境技術(shù)及求解約束優(yōu)化問題的遺傳算法研究.pdf
- 基于小生境pareto遺傳算法(npga)的優(yōu)化理論的研究及實現(xiàn)
- 基于小生境自適應(yīng)遺傳算法的配電網(wǎng)無功優(yōu)化研究.pdf
- 基于模擬退火機制的改進模糊小生境遺傳算法.pdf
- 動態(tài)環(huán)境下基于聚類的小生境微粒群算法的研究.pdf
評論
0/150
提交評論