Pfadplanungsalgorithmus: Pfadplanungsalgorithmus basierend auf der Kapuzineraffen-Optimierung – mit Code

Pfadplanungsalgorithmus: Pfadplanungsalgorithmus basierend auf der Kapuzineraffen-Optimierung – mit Code

Zusammenfassung: In diesem Artikel wird hauptsächlich die Verwendung des intelligenten Optimierungsalgorithmus Kapuzineralgorithmus für die Pfadplanung vorgestellt.

1. Algorithmusprinzip

Informationen zum Prinzip des Kapuzineraffen-Algorithmus finden Sie unter: https://blog.csdn.net/u011835903/article/details/123328669

1.1 Umgebungseinstellungen

Bei der Pfadoptimierung mobiler Roboter stellt die Lösung jedes Optimierungsalgorithmus einen Bewegungspfad des Roboters dar. Der Optimierungsalgorithmus findet durch Optimierungsberechnung einen optimalen Pfad unter vielen Pfaden.
Die Einstellung des Optimierungsalgorithmus muss dem Roboterbewegungsumgebungsmodell entsprechen. Nehmen Sie ohne Verlust der Allgemeingültigkeit an, dass das Ergebnis, das nach Verwendung der Gittermethode zur Modellierung der Bewegungsumgebung des Roboters erhalten wird, ein m × n-rechteckiger Bereich ist und die Koordinatenwerte bei 1 beginnen, wie in Abbildung 1 dargestellt. Das Koordinatenursprungsgitter stellt die Anfangsposition des Roboters dar, und das den Koordinaten (m, n) entsprechende Gitter stellt die bewegliche Zielposition des Roboters dar. Ein wichtiger Inhalt der Einstellung des Optimierungsalgorithmus besteht darin, die mathematische Ausdrucksform des Optimierungsalgorithmus zu bestimmen. Hier wird dieses Problem in die Darstellung des Bewegungspfads des Roboters durch einen Vektor umgewandelt. Nach der Analyse wurde festgestellt, dass das durch die Gittermethode erstellte Modell zwar den Raum diskretisiert, der Bewegungspfad des Roboters jedoch im Wesentlichen immer noch kontinuierlich ist.

Abbildung 1. Rasterkarte

1.2 Einschränkungen

Für die Pfadoptimierung des Roboters muss sein Bewegungspfad im Gitterraum begrenzt sein, dh die Suche darf die rechteckige Grenze des Gitters nicht überschreiten. Darüber hinaus sollte es durch Hindernisse eingeschränkt werden, d. h. die Flugbahn des Roboters kann nicht durch den Gitterbereich verlaufen, in dem Hindernisse vorhanden sind.

1.3 Fitnessfunktion

Bei der Modellierungsmethode dieses Artikels ist das Pfadplanungsziel dieses Artikels die kürzeste Pfadlänge. Die Länge des Pfades kann ausgedrückt werden als:

$$L\left(Pfad\right)\_\_\_=\sum _{ich=0}^{n-}\sqrt{(x{l}_{ich+}-x{l}_{}{)}^2+(y{l}_{ich+}-y{l}_{}{)}^2}\text{\hspace{1em}( 1 )}$$
wobei (x,y) die Koordinaten des Mittelpunkts des Pfades sind

Verwenden Sie den Kapuzineraffen-Algorithmus, um die obige Formel zu optimieren und den kürzesten Weg zu finden. Die Parameter des Kapuzineralgorithmus werden wie folgt eingestellt:

%% 卷尾猴算法参数设置
dim=length(noLM);%维度，即为非障碍物个数。
numLM0=round((EndPoint(1)-StartPoint(1))/4);%每次迭代选取的的中间路径点个数，可调
lb=0;%下边界
ub=1;%上边界
Max_iteration = 100;%最大迭代次数
SearchAgents_no = 30;%种群数量
fobj = @(x)fun(x,noS,noE,numLM0,net);%适应度函数

2. Algorithmusergebnisse

3. MATLAB-Code

In diesem Programm werden 1. Karten unterstützt, die beliebig erstellt und gespeichert werden können. 2. Tatsächlich können Sie es beliebig ändern.

4. Referenzen

[1] Luo Yangyang, Peng Xiaoyan. Globale Pfadplanung für vierrädrige mobile Roboter basierend auf verbessertem PSO [J]. Computer Simulation, 2020,37(07):373-379.

[2] Lu Dan. Anwendungsforschung des Partikelschwarmalgorithmus bei der Pfadplanung mobiler Roboter [D]. Wuhan University of Science and Technology, 2009.