CN111784079A - 一种基于人工势场和蚁群算法的无人机路径规划方法 - Google Patents
一种基于人工势场和蚁群算法的无人机路径规划方法 Download PDFInfo
- Publication number
- CN111784079A CN111784079A CN202010735619.2A CN202010735619A CN111784079A CN 111784079 A CN111784079 A CN 111784079A CN 202010735619 A CN202010735619 A CN 202010735619A CN 111784079 A CN111784079 A CN 111784079A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- path
- ant colony
- potential field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 238000005381 potential energy Methods 0.000 claims abstract description 4
- 241000257303 Hymenoptera Species 0.000 claims description 16
- 239000003016 pheromone Substances 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 9
- 239000005712 elicitor Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 230000004888 barrier function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明提出一种基于人工势场和蚁群算法的无人机路径规划方法,包括以下过程:S1:将无人机的运行空间定义为一个势能场,利用人工势场法得到初始路径;S2:当检测到大型障碍物时,将地图栅格化,确定避障的起始节点和终止节点;S3:通过蚁群算法规划避障路线;S4:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,以此循环,直到到达目标点。
Description
技术领域
本发明涉及无人机路径规划技术领域,特别是一种基于人工势场和蚁群算法的无人机路径规划方法。
背景技术
无人机具有机动性强、自重轻、体积小、造价低、空间利用率高等显著优势,被越来越多的应用于各个领域,特别是在山区突发灾害,例如地震、泥石流等难以在短时间内组织人员到达的灾害,无人机可以迅速响应并承担运输医疗救援包等应急物资的任务,对挽救人民生命财产有重要意义。
目前,广泛应用的规划方法有A*算法、人工势场法、神经网络算法、模糊算法、栅格法、蚁群算法、动态窗口算法等。这些算法在使用时大都存在计算量大、收敛速度慢、参数不易确定、易于陷入局部最优等问题。其中,人工势场法设定无人机在目标点引力和障碍物斥力的合力作用下运动,其路径平滑、方法简单、易于实现,是一种新型的路径规划避障方法。但该方法容易出现局部极小点以及无法避让大型障碍物的问题。公开号为CN 110209171 A的中国专利“一种基于人工势场法的路径规划方法”通过人工势场法对障碍物进行分析和计算,从而使得移动机械可以在环境中找出最优的行走轨迹,避免移动机械行走时与障碍物碰撞,但当目标点附近有大型障碍物,机器人在靠近目标时会受到障碍物极大的斥力作用,导致无法到达目标点。Zhang Jialong等提出一种基于虚拟结构和“领导者跟随者”控制策略的三维避障控制算法,障碍物在人工势场法中被视为质点或形状均匀的圆,但障碍物实际的形状和大小各异,运用人工势场法难以计算斥力。
发明内容
为解决上述技术问题,避免陷入局部极小点和有效避让大型障碍物,并解决利用人工势场法难以计算斥力等问题,特提出一种将人工势场法与蚁群算法相结合的改进算法,以人工势场法指导全局路径规划、蚁群算法指导局部路径规划。
本发明是通过以下技术方案来实现:
步骤1:将无人机的运行空间定义为一个势能场,利用人工势场法得到初始路径;
步骤2:当检测到大型障碍物时,将地图栅格化,确定避障的起始节点和终止节点;
步骤3:通过蚁群算法规划避障路线;
步骤4:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,以此循环,直到到达目标点。
进一步地,其中所述步骤1还包括:
步骤1.1:设无人机坐标为X(x,y),目标点坐标Xt(xt,yt),障碍物坐标为Xo(xo,yo),设无人机只受引力作用,引力系数为k,则引力场:
式中R为无人机与障碍物的危险距离;
步骤1.2:当无人机与障碍物距离大于R时,无人机在人工势场法的引力场下向目标位置移动;否则进行避让,无人机不受引力场作用并停止移动。
进一步地,其中所述步骤2还包括:将地图进行栅格化处理,图中的方格代表节点,其长度为1;设Xa为起始节点,并将障碍物外围一层的节点与终点进行欧几里得距离计算,将距离终点最短的点Xe(xe,ye)设为终止节点。
进一步地,其中所述步骤3还包括:
步骤3.1:首先初始化环境信息,令时间t和循环次数N为0,设置蚂蚁数量m和最大循环次数N,并初始化各个栅格点上的信息素,并将所有蚂蚁都置于起始节点;
步骤3.2:启动蚁群,用计算的概率进一步用轮盘法随机选择下一个路径点,若此栅格到其相邻栅格的路径上的信息素值均为0,则回馈到上一个搜索的路径点,并将其置为障碍栅格;其计算方法为:
其中,α为信息启发因子、β为期望启发因子;τij(t)表示t时刻ij连线上蚂蚁残留的信息量,在初始时刻各条路径上信息量相等,设τij(0)=C,(C为常数);allowedk={0,1,......,n-1},uk表示蚂蚁下一步允许选择的网格,集合uk随着进化过程作动态调整,实时记录网格编号;ηij表示由栅格i转移到j的期望程度,可根据某种启发式算法具体确定;
步骤3.3:重复步骤3.2,直到蚁群到达终止节点;
步骤3.4:对蚁群搜索到的路径进行交叉运算,记录周游最优蚂蚁和全局最优蚂蚁的路径信息,并更新各条路径上的信息素,其更新方式如下:
τij(t+1)=(1-ρ)*τij(t)+Δτij(t,t+1)
其中,ρ为信息素挥发因子;Q是常数,Lk表示第k只蚂蚁在本次循环中所走路径的长度;
步骤3.5:若蚁群全部收敛到一条路径或达到最大循环次数,则循环结束,输出最佳路径,否则回到步骤3.2。
进一步地,其中所述步骤4还包括:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,直到到达目标点。
本发明相比现有技术具有的优点:
1.加入蚁群算法,使其算法的策略选择引入随机性,在每一步的迭代过程中存在更多的不确定性,有利于扩张最优解的寻找空间,增加了算法的鲁棒性;
2.采用蚁群算法局部规划,有效的避免了人工势场法局部极小点以及无法避让大型障碍物的问题。
附图说明
为了更好地理解本发明,下面结合附图作进一步的说明:
图1是本发明方法的流程图;
图2是地图栅格化和蚁群算法的起始、终止节点示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
步骤1:将无人机的运行空间定义为一个势能场,利用人工势场法得到初始路径;
步骤1.1:设无人机坐标为X(x,y),目标点坐标Xt(xt,yt),障碍物坐标为Xo(xo,yo),设无人机只受引力作用,引力系数为k,则引力场:
式中R为无人机与障碍物的危险距离;
步骤1.2:当无人机与障碍物距离大于R时,无人机在人工势场法的引力场下向目标位置移动;否则进行避让,无人机不受引力场作用并停止移动。
步骤2:当检测到大型障碍物时,将地图栅格化,确定避障的起始节点和终止节点;
进一步地,其中所述步骤2还包括:将地图进行如图2所示的栅格化处理,图2中的方格代表节点,其长度为1;设Xa为起始节点,并将障碍物外围一层的节点与终点进行欧几里得距离计算,将距离终点最短的点Xe(xe,ye)设为终止节点。
其中,格栅按从左至右、从上至下依次编号为1、2、3……、n,采用0作为可通过栅格和1作为障碍物占用栅格,以0和1组成的矩阵抽象环境地图,选择起始节点栅格A=1和终止节点栅格G=n,令蚂蚁从起始节点A出发。
步骤3:通过蚁群算法规划避障路线:
步骤3.1:首先初始化环境信息,令时间t和循环次数N为0,设置蚂蚁数量m和最大循环次数N,并初始化各个栅格点上的信息素,并将所有蚂蚁都置于起始节点;
蚂蚁在起始节点上构造整体的启发信息式:
其中,启发信息的第一部分由无人机起始节点A与终止节点G的距离构造的启发信息,用ηd(t)表示,第二部分由无人机在势场中所受势场合力构造而成,该部分启发信息用ηF(t)表示;式中:b>1,为常数;Fto't表示蚂蚁在该位置受到的势场合力;θ表示势场合力与蚂蚁的可选节点方向的夹角。
步骤3.2:启动蚁群,用计算的概率进一步用轮盘法随机选择下一个路径点,若此栅格到其相邻栅格的路径上的信息素值均为0,则回馈到上一个搜索的路径点,并将其置为障碍栅格;其计算方法为:
其中,α为信息启发因子、β为期望启发因子;τij(t)表示t时刻ij连线上蚂蚁残留的信息量,在初始时刻各条路径上信息量相等,设τij(0)=C,(C为常数);allowedk={0,1,......,n-1},uk表示蚂蚁下一步允许选择的网格,集合uk随着进化过程作动态调整,实时记录网格编号;ηij表示由栅格i转移到j的期望程度,可根据某种启发式算法具体确定;
步骤3.3:重复步骤3.2,直到蚁群到达终止节点;
步骤3.4:对蚁群搜索到的路径进行交叉运算,记录周游最优蚂蚁和全局最优蚂蚁的路径信息,并更新各条路径上的信息素,其更新方式如下:
τij(t+1)=(1-ρ)*τij(t)+Δτij(t,t+1)
其中,ρ为信息素挥发因子;Q是常数,Lk表示第k只蚂蚁在本次循环中所走路径的长度;
步骤3.5:若蚁群全部收敛到一条路径或达到最大循环次数,则循环结束,输出最佳路径,否则回到步骤3.2。
步骤4:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,以此循环,直到到达目标点。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (5)
1.一种基于人工势场和蚁群算法的无人机路径规划方法,其特征在于,包括以下步骤:
步骤1:将无人机的运行空间定义为一个势能场,利用人工势场法得到初始路径;
步骤2:当检测到大型障碍物时,将地图栅格化,确定避障的起始节点和终止节点;
步骤3:通过蚁群算法规划避障路线;
步骤4:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,以此循环,直到到达目标点。
3.根据权利要求1所述的一种基于人工势场和蚁群算法的无人机路径规划方法,其特征在于,所述步骤2包括以下步骤:将地图进行栅格化处理,所得方格代表节点,其长度为1,设Xa为起始节点,并将障碍物外围一层的节点与终点进行欧几里得距离计算,将距离终点最短的点Xe(xe,ye)设为终止节点。
4.根据权利要求1所述的一种基于人工势场和蚁群算法的无人机路径规划方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:首先初始化环境信息,令时间t和循环次数N为0,设置蚂蚁数量m和最大循环次数N,并初始化各个栅格点上的信息素,并将所有蚂蚁都置于起始节点;
步骤3.2:启动蚁群,用计算的概率进一步用轮盘法随机选择下一个路径点,若此栅格到其相邻栅格的路径上的信息素值均为0,则回馈到上一个搜索的路径点,并将其置为障碍栅格;其计算方法为:
其中,α为信息启发因子、β为期望启发因子;τij(t)表示t时刻ij连线上蚂蚁残留的信息量,在初始时刻各条路径上信息量相等,设τij(0)=C,(C为常数);allowedk={0,1,......,n-1},uk表示蚂蚁下一步允许选择的网格,集合uk随着进化过程作动态调整,实时记录网格编号;ηij表示由栅格i转移到j的期望程度,可根据某种启发式算法具体确定;
步骤3.3:重复步骤3.2,直到蚁群到达终止节点;
步骤3.4:对蚁群搜索到的路径进行交叉运算,记录周游最优蚂蚁和全局最优蚂蚁的路径信息,并更新各条路径上的信息素,其更新方式如下:
τij(t+1)=(1-ρ)*τij(t)+Δτij(t,t+1)
其中,ρ为信息素挥发因子;Q是常数,Lk表示第k只蚂蚁在本次循环中所走路径的长度;
步骤3.5:若蚁群全部收敛到一条路径或达到最大循环次数,则循环结束,输出最佳路径,否则回到步骤3.2。
5.根据权利要求1所述的一种基于人工势场和蚁群算法的无人机路径规划方法,其特征在于,所述步骤4包括以下步骤:当无人机完成障碍物避让后,继续采用人工势场法进行路径规划,直到到达目标点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735619.2A CN111784079A (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场和蚁群算法的无人机路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735619.2A CN111784079A (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场和蚁群算法的无人机路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111784079A true CN111784079A (zh) | 2020-10-16 |
Family
ID=72765027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010735619.2A Pending CN111784079A (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场和蚁群算法的无人机路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784079A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684808A (zh) * | 2020-12-11 | 2021-04-20 | 南京航空航天大学 | 一种不确定环境下的无人机集群智能协同察打方法 |
CN113110412A (zh) * | 2021-03-09 | 2021-07-13 | 浙江工业大学 | 一种基于Voronoi-APF算法的群组机器人路径规划方法 |
CN113110431A (zh) * | 2021-04-03 | 2021-07-13 | 南京理工大学 | 无人靶车野外试验路径实时规划方法 |
CN113821029A (zh) * | 2021-08-31 | 2021-12-21 | 南京天溯自动化控制系统有限公司 | 一种路径规划方法、装置、设备及存储介质 |
CN114115301A (zh) * | 2022-01-26 | 2022-03-01 | 河北工业大学 | 基于狼群算法和人工势场的移动机器人改进a*算法 |
CN116011762A (zh) * | 2022-12-30 | 2023-04-25 | 珠海市格努信息技术有限公司 | 一种多数量仓储无人车智能调度方法及装置 |
CN116642506A (zh) * | 2023-05-30 | 2023-08-25 | 黑龙江大学 | 一种基于蚁群算法的盲人引导地图仿真提醒系统 |
CN117848350A (zh) * | 2024-03-05 | 2024-04-09 | 湖北华中电力科技开发有限责任公司 | 面向输电线路建设工程的无人机航线规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490939A (zh) * | 2018-03-27 | 2018-09-04 | 南京航空航天大学 | 在局部感知能力下的势流法的避障方法 |
CN108536143A (zh) * | 2018-03-27 | 2018-09-14 | 上海海事大学 | 一种马蹄型远程遥控智能救生装置 |
CN109521794A (zh) * | 2018-12-07 | 2019-03-26 | 南京航空航天大学 | 一种多无人机航路规划及动态避障方法 |
CN110530384A (zh) * | 2019-07-17 | 2019-12-03 | 江苏大学 | 一种采用混合势场蚁群算法的车辆路径规划方法 |
CN110928295A (zh) * | 2019-10-16 | 2020-03-27 | 重庆邮电大学 | 一种融合人工势场与对数蚁群算法的机器人路径规划方法 |
-
2020
- 2020-07-28 CN CN202010735619.2A patent/CN111784079A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490939A (zh) * | 2018-03-27 | 2018-09-04 | 南京航空航天大学 | 在局部感知能力下的势流法的避障方法 |
CN108536143A (zh) * | 2018-03-27 | 2018-09-14 | 上海海事大学 | 一种马蹄型远程遥控智能救生装置 |
CN109521794A (zh) * | 2018-12-07 | 2019-03-26 | 南京航空航天大学 | 一种多无人机航路规划及动态避障方法 |
CN110530384A (zh) * | 2019-07-17 | 2019-12-03 | 江苏大学 | 一种采用混合势场蚁群算法的车辆路径规划方法 |
CN110928295A (zh) * | 2019-10-16 | 2020-03-27 | 重庆邮电大学 | 一种融合人工势场与对数蚁群算法的机器人路径规划方法 |
Non-Patent Citations (2)
Title |
---|
刘亮: ""基于势场蚁群算法的移动机器人路径规划研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 140 - 30 * |
王云常等: ""基于A星算法与人工势场法的无人机路径规划"", 《扬州大学学报(自然科学版)》, no. 3, pages 36 - 38 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112684808A (zh) * | 2020-12-11 | 2021-04-20 | 南京航空航天大学 | 一种不确定环境下的无人机集群智能协同察打方法 |
CN113110412A (zh) * | 2021-03-09 | 2021-07-13 | 浙江工业大学 | 一种基于Voronoi-APF算法的群组机器人路径规划方法 |
CN113110431A (zh) * | 2021-04-03 | 2021-07-13 | 南京理工大学 | 无人靶车野外试验路径实时规划方法 |
CN113821029A (zh) * | 2021-08-31 | 2021-12-21 | 南京天溯自动化控制系统有限公司 | 一种路径规划方法、装置、设备及存储介质 |
CN114115301A (zh) * | 2022-01-26 | 2022-03-01 | 河北工业大学 | 基于狼群算法和人工势场的移动机器人改进a*算法 |
CN114115301B (zh) * | 2022-01-26 | 2022-04-22 | 河北工业大学 | 基于狼群算法和人工势场的移动机器人改进a*算法 |
CN116011762A (zh) * | 2022-12-30 | 2023-04-25 | 珠海市格努信息技术有限公司 | 一种多数量仓储无人车智能调度方法及装置 |
CN116642506A (zh) * | 2023-05-30 | 2023-08-25 | 黑龙江大学 | 一种基于蚁群算法的盲人引导地图仿真提醒系统 |
CN116642506B (zh) * | 2023-05-30 | 2023-10-20 | 黑龙江大学 | 一种基于蚁群算法的盲人引导地图仿真提醒系统 |
CN117848350A (zh) * | 2024-03-05 | 2024-04-09 | 湖北华中电力科技开发有限责任公司 | 面向输电线路建设工程的无人机航线规划方法 |
CN117848350B (zh) * | 2024-03-05 | 2024-05-07 | 湖北华中电力科技开发有限责任公司 | 面向输电线路建设工程的无人机航线规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784079A (zh) | 一种基于人工势场和蚁群算法的无人机路径规划方法 | |
CN109254588B (zh) | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 | |
CN108229719B (zh) | 无人机编队任务分配与航迹规划的多目标优化方法及装置 | |
US20210348928A1 (en) | Multi-police-officer collaborative round-up task allocation and path planning method under constraint of road network | |
CN109945881B (zh) | 一种蚁群算法的移动机器人路径规划方法 | |
CN108036790B (zh) | 一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统 | |
CN105717929B (zh) | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 | |
CN108801266B (zh) | 一种多无人机对不确定环境搜索的航迹规划方法 | |
CN109282815A (zh) | 一种动态环境下基于蚁群算法的移动机器人路径规划方法 | |
CN107807665B (zh) | 无人机编队探测任务协同分配方法及装置 | |
Sadat et al. | Fractal trajectories for online non-uniform aerial coverage | |
CN110989612A (zh) | 一种基于蚁群算法的机器人路径规划方法及装置 | |
AU2022204569B2 (en) | Method for multi-agent dynamic path planning | |
CN104361178A (zh) | 一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法 | |
CN113485371B (zh) | 一种基于改进麻雀搜索算法的水下多auv路径规划方法 | |
CN109300144A (zh) | 一种融合社会力模型和卡尔曼滤波的行人轨迹预测方法 | |
CN109186619A (zh) | 一种基于实时路况的智能导航算法 | |
CN106705975A (zh) | 一种基于万有引力搜索的水面无人艇航路规划方法 | |
CN109211242B (zh) | 一种融合rrt与蚁群算法的三维空间多目标路径规划方法 | |
CN114167865A (zh) | 一种基于对抗生成网络与蚁群算法的机器人路径规划方法 | |
CN106681135B (zh) | 一种基于混合水滴算法的线缆布线路径搜索方法 | |
Qiming et al. | A review of intelligent optimization algorithm applied to unmanned aerial vehicle swarm search task | |
Xiang et al. | Research on path planning of UAV forest fire fighting based on improved ant colony algorithm | |
Ji et al. | 2-OptACO: An improvement of ant colony optimization for UAV path in disaster rescue | |
Smyrnakis et al. | Improving multi-robot coordination by game-theoretic learning algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201016 |