《表2 3种算法的路径规划性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进粒子群算法的移动机器人路径规划》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

移动机器人工作空间障碍物设置如图5所示。在图1、图5所设置的障碍物环境中分别采用改进A*算法、改进RRT算法和SAPSO算法，在n=100、迭代次数为1 000的条件下进行路径规划，3种算法的路径规划性能对比结果如表2所示。可以看出，SAPSO算法在3种障碍物环境中得到的路径均最短且规划成功率最高。改进A*算法由于计算量大而导致内存占用严重，且计算时间较长，并且改进A*算法中启发函数的选取非常重要，引入的启发信息过大或过小都会影响最优路径的搜索效率。改进RRT算法主要是在树的生长方式等方面进行了完善，提高了收敛速度，但是由于随机采样的性质，改进RRT算法前后两次得到的结果可能完全不同。相比于改进A*算法、改进RRT算法，本文所提出的SAPSO算法具有收敛速度快、参数少、实现简单等特点，且粒子在更新速度时不是向最优的粒子学习，而是向适应度值优于平均适应度值的粒子学习，并对低于平均适应度值的粒子进行变异处理，故该方法能够提高粒子的多样性，避免粒子陷入局部最优，实现了最短路径规划。