《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》
提示：宽带有限、当前游客访问压缩模式
在图6所示测试环境下重复测试100次，实验数据如表3所示．由于测试环境变得复杂，PSO算法和GPSO算法因为没有跳出局部最优值的策略，算法过早收敛，导致路径规划的成
| 图表编号 | XD009530700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 陈嘉林、魏国亮、田昕 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学理学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 3个模型基本参数：基于自适应粒子群算法的机器人路径规划》2020.07.10
- 《表1 规划任务参数设置：基于改进粒子群算法的无人机路径规划》2020.09.01
- 《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 算法相关参数：基于改进粒子群蚁群融合算法的多AGV路径规划》2020.09.01
- 《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1 不同改进粒子群优化算法的路径规划性能对比》2020.03.15
- 《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