基于改进蚁群算法与Bresenham算法结合的机器人路径规划-计算机应用技术专业论文.docxVIP

下载本文档

6
0
约5.02万字
约 71页
2019-02-20 发布于上海
举报
版权申诉

基于改进蚁群算法与Bresenham算法结合的机器人路径规划-计算机应用技术专业论文.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

汕头大学硕士学位论文基于改进蚁群算法与汕头大学硕士学位论文基于改进蚁群算法与 Bresenham 算法结合的机器人路径规划 PAGE PAGE III The results show that the combination of Smell Tracking Method, Ant Colony Algorithm and Bresenham Algorithm enhanced the adaptability of ant colony algorithm in mobile Robot Path Planning, improved the Arithmetic speed, and proved the validity of the proposed algorithm. Keyword ： Intelligent Mobile Robot; Ant Colony Algorithm; Path Planning; Bresenham Algorithm; Smell Tracking Method PAGE PAGE IV 目录摘要 I Abstract II 目录 IV 第 1 章绪论1 1.1 课题研究背景及意义1 1.2 移动机器人的路径规划发展历史2 1.3 蚁群算法的研究进展3 1.4 本文研究内容4 第 2 章机器人路径规划概述6 2.1 路径规划定义6 2.2 路径规划分类6 2.3 机器人路径规划内容7 2.4 环境表示方法8 2.4.1 几何法8 2.4.2 栅格法10 2.5 路径搜索的算法11 2.5.1 人工势场法11 2.5.2 启发式路径搜索方法12 2.5.3 智能路径搜索方法12 2.6 本章小结13 第 3 章蚁群算法概述14 3.1 蚂蚁的生物学特征14 3.1.1 蚂蚁的群体行为14 3.1.2 人工蚂蚁与真实蚂蚁的异同比较16 3.2 基本蚁群算法基本原理17 3.2.1 双桥实验17 PAGE PAGE VI 3.3 基本蚁群算法的数学模型及具体实现19 3.3.1 旅行商问题19 3.3.2 蚁群算法的数学模型19 3.3.3 蚁群算法的实现步骤21 3.4 蚁群算法的复杂度分析23 3.5 蚁群算法存在的缺点24 3.6 本章小结24 第 4 章基于蚁群算法的机器人路径规划25 4.1 机器人工作环境建模25 4.1.1 环境信息的预处理25 4.1.2 环境建模26 4.1.3 栅格环境到图的逻辑对应关系27 4.2 基于蚁群算法的机器人路径搜索29 4.2.1 问题描述29 4.2.2 初始化设置29 4.2.3 路径选择30 4.2.4 信息素更新策略31 4.3 路径的优化32 4.3.1 游戏中的角色追逐32 4.3.2 利用 Bresenham 算法优化路径 36 4.4 实验结果比较39 4.5 本章小结41 第 5 章基于改进蚁群算法的机器人路径规划42 5.1 前向参考策略42 5.2 引入随机扰动因子43 5.3 回溯策略43 5.3.1 蚁群算法中的停滞现象43 5.3.2 回溯策略45 5.3.3 仿真46 5.4 气味追踪策略48 5.4.1 蚁群算法中的迂回现象48 5.4.2 气味追踪法48 5.4.3 仿真实验结果53 5.5 本章小结54 HYPERLINK \l _TOC_250001 第 6 章蚁群算法的 Java3D 应用 56 6.1 Java3D 技术简介 56 HYPERLINK \l _TOC_250000 6.1.1 Java 3D 场景图结构 56 6.2 三维环境预处理57 6.3 三维仿真结果展示58 6.3.1 场景 1 演示58 6.3.2 场景 2 演示59 6.3 本章小结61 第 7 章结束语62 7.1 研究工作总结62 7.2 展望62 参考文献64 致谢66 PAGE PAGE 10 第 1 章绪论 1.1 课题研究背景及意义机器人技术自20世纪中期问世以来，经历近60年发展已取得长足进步，成为提高产业竞争力方面极为重要的战略技术。目前，机器人关键技术日臻成熟，应用范围迅速扩展，作为计算机、自动控制、传感器、先进制造等领域的典型代表，面临巨大的产业发展机会。据国内外业界专家预测，智能机器人将是21世纪高技术