《表2 不同算法下经典移钵实例的仿真结果对比》
注:CSM指固定顺序法,GA指文献[6]的遗传算法,ACO指文献[10]的蚁群算法,SFLA指文献[11]的蛙跳算法,CSA指本文的克隆选择算法,IGA指本文的免疫遗传算法,“*”指文献中无此数据。
表2为有效性验证试验结果。由表2可知,2种模型得到的最优路径长度均为2 914 mm,略优于遗传算法,与蚁群算法和蛙跳算法的规划效果一致;克隆选择算法、免疫遗传算法、遗传算法和蚁群算法的平均计算时间分别为0.61、0.24、0.65和0.54 s,克隆选择算法与遗传算法的计算时间相近,免疫遗传算法明显优于遗传算法和蚁群算法,且优于基于克隆选择算法,表明本文所设计的2种模型均能有效完成路径规划,且路径规划效果较好。图5为本文设计的2种优化模型的路径规划结果和收敛曲线,由图5可知,在该组试验中,本文所设计的2种模型均能在50代内快速收敛,规划的路径长度较稳定,表明2种模型性能稳定。
图表编号 | XD00224366900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 张丽娜、谭彧、吕昊暾、李宝胜、蒋易宇、王硕 |
绘制单位 | 中国农业大学工学院、中国农业大学工学院、中国农业大学工学院、中国农业大学工学院、中国农业大学工学院、中国农业大学工学院 |
更多格式 | 高清、无水印(增值服务) |