《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》
提示：宽带有限、当前游客访问压缩模式
本课题对基本的蚁群算法和改进后的蚁群算法做了仿真实验比较，算法均采用运行50次的平均值，两种算法的寻优路径长度和迭代次数，如表2所示。
| 图表编号 | XD0090357800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.08 |
| 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 不同算法性能比较：基于改进狼群算法的机器人路径规划研究》2020.04.01
- 《表2 制作沃罗诺伊路线：基于改进D~*算法的室内移动机器人路径规划》2020.04.16
- 《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5 第三组：基于改进D~*算法的室内移动机器人路径规划》2020.04.16
- 《表4 第二组：基于改进D~*算法的室内移动机器人路径规划》2020.04.16
- 《表3 第一组：基于改进D~*算法的室内移动机器人路径规划》2020.04.16
- 《表2 算法比较：改进的蚁群优化算法在机器人路径规划中的应用》2019.12.25
- 《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》2020.01.08
- 《表1 算法性能对比：改进的蚁群算法在机器人路径规划上的应用》2020.01.15
- 《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 实验结果对比：改进蚁群算法在移动机器人轨迹规划中的应用研究》2019.11.25
- 《表1 实验结果对比：改进蚁群算法在移动机器人轨迹规划中的应用研究》2019.11.25
- 《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