国产亚洲精品99久久婷婷色-97国内精品久久久久不卡-欧美精品人妻视频-久久一本不卡中文字幕-国产一区欧美在线-人妻蜜桃av一区二区-亚洲日本中文久久一区-1769成人国产精品视频-日本一区二区三区四区在线观-久久97久久99久久综合欧美

與經(jīng)典算法相比，智能算法能夠較好適應(yīng)復(fù)雜動態(tài)環(huán)境中的不確定、不完整的信息，但需要前期學(xué)習(xí)階段和較G計算成本，適用于大型機器人，如無人車等。

神經(jīng)網(wǎng)絡(luò)規(guī)劃算法

利用神經(jīng)網(wǎng)絡(luò)對機器人導(dǎo)航任務(wù)的輸入、輸出之間的復(fù)雜關(guān)系進行建模。如文獻[2]提出了一種通過模仿學(xué)習(xí)過程構(gòu)建機器人目標(biāo)導(dǎo)向?qū)Ш江h(huán)境內(nèi)部模型的分層結(jié)構(gòu)。該方法以訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò)RNN的回聲狀態(tài)網(wǎng)絡(luò)（Reservoir Computing）為基礎(chǔ)。它由兩個隨機生成的RNN組成，一個用于建模定位，另一個用于學(xué)習(xí)導(dǎo)航。訓(xùn)練后的系統(tǒng)能夠在較大的未知環(huán)境中定位，并成功導(dǎo)航至目標(biāo)點。

模糊邏輯規(guī)劃算法

除神經(jīng)網(wǎng)絡(luò)外，模糊邏輯可模仿人感知能力以適應(yīng)環(huán)境中的不確定性。

Chang和T. Jin提出了一種模糊推理模型來解決移動機器人路徑規(guī)劃問題[6]。通過傳感器感知機器人在未知動態(tài)環(huán)境下的目標(biāo)/障礙物位置和當(dāng)前速度。在模型中,三個主要的導(dǎo)航目標(biāo):目標(biāo)取向(尋求目標(biāo)),避障(避免障礙)和旋轉(zhuǎn)運動(保持航向)都包含在一個成本函數(shù)找到Z優(yōu)的轉(zhuǎn)向角θ。移動機器人通過根據(jù)環(huán)境改變成本函數(shù)的權(quán)重來實現(xiàn)智能導(dǎo)航

基于仿生的規(guī)劃算法

受生物行為啟發(fā)，將仿生算法應(yīng)用于求解復(fù)雜運動規(guī)劃問題能夠得到良好的效果。

遺傳算法

遺傳算法是一種基于自然遺傳學(xué)的優(yōu)化工具，它利用了自然選擇、交叉和突變等過程的優(yōu)點。遺傳算法在解決組合優(yōu)化問題方面具有很大的潛力，如復(fù)雜環(huán)境下路徑規(guī)劃問題。

文獻[8]遺傳算法用于路徑規(guī)劃L域，并結(jié)合了小規(guī)模局部搜索，以適用于動靜態(tài)環(huán)境。

文獻[9]提出了一種基于遺傳算法的動態(tài)路徑規(guī)劃算法(dynamic path planning algorithm, DPPA)，可在U形、V形等套狀障礙物中，或遇到動態(tài)障礙物的情況，生成可行的路徑。

粒子群算法

與GA相似，PSO模仿鳥群覓食，通過粒子自我體驗與社會經(jīng)驗迭代更新。

文獻[11]中，Y. Zhang等人提出了一種不確定環(huán)境下基于PSO的多目標(biāo)機器人路徑規(guī)劃算法，目標(biāo)函數(shù)由風(fēng)險度和路徑距離組成，因此，路徑規(guī)劃問題被認為是一個具有不確定系數(shù)的約束雙目標(biāo)優(yōu)化問題。

J坐標(biāo)PSO (polar coordination PSO, PPSO)用于動態(tài)環(huán)境下的機器人路徑規(guī)劃[12]，該算法將任務(wù)分解為全局規(guī)劃階段和局部規(guī)劃階段。它可以根據(jù)靜態(tài)障礙物信息尋找全局Z優(yōu)路徑。然后，采用在線實時路徑規(guī)劃策略，通過預(yù)測障礙物的未來位置來避開移動障礙物。

蟻群算法

蟻群算法與PSO算法均屬于通過群體行為實現(xiàn)數(shù)據(jù)聚類的算法。在[13]中，X. Chen等人提出了兩階段蟻群算法模型，該模型能夠克服早熟收斂與Z優(yōu)路徑之間的主要不一致性問題。

在文獻[14-15]中，提出了一種基于蟻群優(yōu)化的Z優(yōu)路徑規(guī)劃方法。將機器人視為一個點，使其在離散的工作環(huán)境表示中占有一個準(zhǔn)確的單元。在模糊邏輯系統(tǒng)評價的代價函數(shù)中，考慮了路徑的長度和導(dǎo)航的難度。該算法具有環(huán)境變化的自適應(yīng)能力，可以實現(xiàn)具有動態(tài)障礙物的機器人全局路徑規(guī)劃。

總體來看，仿生智能算法能夠規(guī)劃出Z優(yōu)或次優(yōu)的路徑，但它們的收斂速度是無法確定的，且其規(guī)劃的時間一般較長，因此不適用于實時性要求G的應(yīng)用場景，多數(shù)被應(yīng)用于離線尋優(yōu)計算，如物流配送規(guī)劃、新藥物結(jié)構(gòu)探索等L域。