《表1 算法性能比较：贝塞尔曲线融合ACO的移动机器人路径规划》
提示：宽带有限、当前游客访问压缩模式
在随机生成的（20×20）的地图中运行改进蚁群算法规划出的最优路径，如图6所示。通过大量仿真实验结果证明了该改进算法能够有效的解决机器人的路径规划问题。
| 图表编号 | XD00119846000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.08 |
| 作者 | 徐梁、高宏力、宋兴国 |
| 绘制单位 | 西南交通大学机械工程学院、西南交通大学机械工程学院、西南交通大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 时间性能表：基于Q-IGA动态拟合贝塞尔曲线的路径规划》2020.10.25
- 《表1 仿真比较：基于ACO-PSO算法的变电站巡检机器人路径规划研究》2021.01.25
- 《表1 试验参数：基于改进人工势场法的移动机器人路径规划算法研究》2020.12.01
- 《表1 实验数据量分布：基于改进双向A~*的移动机器人路径规划算法》2020.11.20
- 《表1 对比算法仿真结果：基于改进势场法的移动机器人路径规划》2020.10.01
- 《表1 对比算法结果表：一种基于改进RRT~*的移动机器人的路径规划算法》2020.03.05
- 《表1 D*算法伪代码：基于改进D~*算法的室内移动机器人路径规划》2020.04.16
- 《表1 12个测试函数：基于改进灰狼优化算法的移动机器人路径规划》2020.01.10
- 《表1 路径规划性能比较：基于多优化快速扩展随机树算法的足球机器人路径规划》2019.10.08
- 《表2 测试函数参数设置：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表3 算法参数设置：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表1 设计变量范围：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表5 最终结果：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表4 函数结果：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表2 算法性能比较：改进ACO在移动机器人路径规划中的研究》2019.09.08
- 《表1 融合算法与传统算法在全局静态路径规划的性能比较》2019.06.10
- 《表3 复杂环境路径规划：改进粒子群算法的移动机器人平滑路径规划》2019.12.01
- 《表2 简单环境路径规划：改进粒子群算法的移动机器人平滑路径规划》2019.12.01
- 《表1 初始化策略效果：改进粒子群算法的移动机器人平滑路径规划》2019.12.01
- 《表1 算法结果对比表：动态环境下基于改进蚁群算法的移动机器人路径规划》2019.10.15