.png){kind=icon}
返回
An efficient grid-based path planning approach using improved artificial bee colony algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113528.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于网格的路径规划具有较大的解空间，因其需要考察所有可能路径所需的计算时间，被认为计算上难度较大。为解决此问题，已开发出多种算法，其中之一是人工蜂群（ABC）算法，以其强大的搜索能力而闻名。本文提出了一种改进的人工蜂群算法（IABC），该算法通过整合两种机制，旨在实现开发与探索之间的平衡。首先，整合了一种路径线性化策略，用于消除网格环境中规划路径内的不必要拐角。其次，采用了一种局部搜索策略，以提升ABC算法的收敛速度并增强其寻找全局最优解的能力。为评估IABC的性能，首先将其与基础ABC算法在相同尺寸的环境中进行比较，结果显示在路径长度方面提升了7%-14%。其次，通过消融研究分析了两种改进策略的贡献。第三，通过在尺寸各异的多个环境中运行IABC，验证了其可扩展性，并实现了19%-20%的提升。第四，IABC与先进的ABC变体进行比较，实现了2%-32%的提升。第五，IABC与知名及近期先进算法进行比较，实现了至少2%的提升。最后，IABC与文献中近期研究的结果进行对比，显示出最高达37%的提升。这些结果表明，IABC是解决基于网格的路径规划问题的有效方法。
Keyword:
Grid environment
Path planning
Artificial bee colony
Linearization
Local search
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
.png){kind=icon}
分享收藏Multi-robot path planning using learning-based Artificial Bee Colony algorithm基于学习的人工蜂群算法的多机器人路径规划
PREAI
分享收藏分享收藏Fractional-order artificial bee colony algorithm with application in robot path planning分数阶人工蜂群算法在机器人路径规划中的应用
PREAI
分享收藏A robust multiple Unmanned Aerial Vehicles 3D path planning strategy via improved particle swarm optimization基于改进粒子群算法的鲁棒多无人机三维航迹规划策略
PREAI
分享收藏
查看更多内容