为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,...为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,为RRT提出了一个目标偏置策略,以减少采样点的随机性并优化目标方向;提出了步长自适应和搜索区域限制,以优化路径规划时间。其次,对于人工鱼群算法(Artificial fish swarming algorithm,ASFA),提出了自适应步长和自适应视场范围以使人工鱼群更快收敛;对RRT规划的路径的转折点进行了优化,使路径更短。最后,通过Hermite样条函数对路径进行了平滑处理。通过仿真实验发现,与传统的RRT算法、目标偏置RRT算法和RRT^(*)算法相比,结合算法规划的路径长度更短,路径节点更少,这证明了该组合算法的可行性。展开更多
文摘为了解决快速搜索随机树(Rapid-exploration random tree,RRT)算法在高精度机械臂的路径规划中存在的问题,如采样点随机性强、路径指向性差、路径平滑度低、路径长等,提出了一种融合的人工鱼群算法(RRT-ASFA)来优化RRT生成的路径。首先,为RRT提出了一个目标偏置策略,以减少采样点的随机性并优化目标方向;提出了步长自适应和搜索区域限制,以优化路径规划时间。其次,对于人工鱼群算法(Artificial fish swarming algorithm,ASFA),提出了自适应步长和自适应视场范围以使人工鱼群更快收敛;对RRT规划的路径的转折点进行了优化,使路径更短。最后,通过Hermite样条函数对路径进行了平滑处理。通过仿真实验发现,与传统的RRT算法、目标偏置RRT算法和RRT^(*)算法相比,结合算法规划的路径长度更短,路径节点更少,这证明了该组合算法的可行性。
