パス プランニング アルゴリズム: シミュレーテッド アニーリング最適化に基づくパス プランニング アルゴリズム - コード付き

パス プランニング アルゴリズム: シミュレーテッド アニーリング最適化に基づくパス プランニング アルゴリズム - コード付き

要約: この論文では主に、パス計画のためのインテリジェントな最適化アルゴリズムのシミュレートされたアニーリング アルゴリズムの使用を紹介します。

1. アルゴリズム原理

シミュレーテッドアニーリングアルゴリズムの原理については、Web Blogを参照してください。

1.1 環境設定

移動ロボットの経路最適化では、各最適化アルゴリズムの解がロボットの動作経路を表します。最適化アルゴリズムは、最適化計算を通じて多くのパスの中から最適なパスを見つけます。
最適化アルゴリズムの設定はロボットの動作環境モデルに対応する必要があります。一般性を失うことなく、図 1 に示すように、グリッド法を使用してロボットの動作環境をモデル化した後に得られた結果が m×n の長方形領域であり、座標値が 1 から始まると仮定します。座標原点グリッドはロボットの初期位置を表し、座標(m,n)に対応するグリッドはロボットの移動目標位置を表す。最適化アルゴリズムの設定の重要な内容は、最適化アルゴリズムの数式形式を決定することであり、ここではこの問題をロボットの移動経路をベクトルで表現する問題に変換する。解析の結果、グリッド法により構築されたモデルは空間を離散化しているが、ロボットの移動経路は本質的には連続していることが分かる。

図 1. ラスター マップ

1.2 制約

ロボットの経路を最適化するには、ロボットの移動経路をグリッド空間内で制限する必要があります。つまり、探索はグリッドの長方形の境界を越えることはできません。さらに、ロボットの軌道は障害物によって制限される必要があります。つまり、ロボットの軌道は障害物が存在するグリッド領域を通過できません。

1.3 フィットネス機能

この論文のモデリング方法では、この論文のパス計画の目標は最短のパス長です。パスの長さは次のように表すことができます。

$$L\left(パス\right)\_\_\_=\sum _{i=0}^{n-}\sqrt{(\times l_{私+}-\times l_{}{)}^2+(yl{\_}_{私+}-yl{\_}_{}{)}^2}\text{\hspace{1em}( 1 )}$$
ここで、(x,y) はパスの中点の座標です。

シミュレーテッド アニーリング アルゴリズムを使用して上記の式を最適化し、最短パスを見つけます。シミュレーテッド アニーリング アルゴリズムのパラメーターは次のように設定されます。

%% 模拟退火算法参数设置
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. アルゴリズムの結果

3. MATLAB コード

このプログラムでは、 1. マップを任意に作成および保存することができます。2. 実は任意に変更することができます。

4. 参考文献

[1] Luo Yangyang、Peng Xiaoyan、改善された PSO に基づく四輪移動ロボットのグローバル パス プランニング [J]、Computer Simulation、2020、37(07):373-379。

[2] Lu Dan. 移動ロボットの経路計画における粒子群アルゴリズムの応用研究 [D]. 武漢科学技術大学、2009 年。