.png){kind=icon}
返回
Multi-target point path planning algorithm for mobile robot based on probabilistic roadmap
.png){kind=icon}
PRE
AI
DOI：10.1007/s11370-025-00670-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种名为随机游走-概率路图和混合选择优化混合算法（RPRM-HSO）的新型混合算法，用于多目标点路径规划。该算法整合了随机游走策略、混合选择优化（HSO）算法和概率路图（PRM）算法。RPRM-HSO算法由两个主要模块组成：随机游走-概率路图（RPRM）模块和HSO模块。RPRM模块采用随机游走策略引导采样点从障碍区域向自由空间迁移，通过延长测试增强狭窄通道检测，并通过二次基于正态分布的精细采样优化节点空间分布。HSO模块采用随机选择优化算法解决多目标点排序问题，并利用附加控制点整合准均匀B样条曲线实现路径平滑。实验表明，在路径搜索中，RPRM算法相较于传统PRM、高斯-概率路图和Lévy-概率路图算法展现出更高的规划成功率及更短的路径长度。对于多目标点优化，HSO算法在路径质量上优于自组织映射、遗传算法-灰狼优化器等算法，尤其在中小规模数据集上表现突出。综合实验结果证明，RPRM-HSO算法在复杂环境中优于其他算法，如A*与蚁群混合算法、双向快速探索随机树与蚁群混合算法以及双延迟深度确定性策略梯度算法。具体而言，RPRM-HSO算法实现了更高的规划成功率、更短的路径平均长度及更低的计算时间。这些结果验证了其在收敛速度、规划质量及稳定性方面的卓越性能。
Keyword:
Multi-target point path planning
Narrow passages sampling
Path smoothing
Hybrid selection optimization
Probabilistic roadmap algorithm
期刊
IF:
4.3
论文数:
82
被引数:
1.2K
机构
引用论文
An improved weighted sum-fuzzy Dijkstra's algorithm for shortest path problem (iWSFDA).png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Mobile robot path planning based on an improved ACO algorithm and path optimization基于改进蚁群优化算法的移动机器人路径规划与路径优化
PREAI
分享收藏
查看更多内容