本文介绍了多种路径规划算法，包括传统算法如模拟退火、人工势场法、模糊逻辑和禁忌搜索；图形学方法如C空间法、自由空间法、栅格法和Voronoi图；以及智能仿生学算法，如蚁群、神经网络、遗传和粒子群算法。此外，还提及了A*、Dijkstra、Fallback和Floyd等其他算法，分析了各自的优缺点和适用场景。
常用路径规划算法
常用路径规划算法
一、传统算法
传统的路径规划算法有:模拟退火算法、人工势场法、模糊逻辑算法、禁忌搜索算法等。
1.模拟退火算法 ( Simulated Annealing，简称A)
是一种适用于大规模组合优化问题的有效近似算法。它模仿固体物质的退火过程，通过设定初温、初态和降温率控制温度的不断下降，结合概率突跳特性，利用解空间的邻域结构进行随机搜索。具有描述简单、使用灵活、运行效率高、初始条件限制少等优点，但存在着收敛速度慢、随机性等缺陷，参数设定是应用过程中的关键环节。
2.人工势场法
是一种虚拟力法。它模仿引力斥力下的物体运动，目标点和运动体间为引力，运动体和障碍物间为斥力，通过建立引力场斥力场函数进行路径寻优。优点是规划出来的路径平滑安全、描述简单等，但是存在局部最优的问题，引力场的设计是算法能否成功应用的关键。
3.模糊逻辑算法
模拟驾驶员的驾驶经验，将生理上的感知和动作结合起来，根据系统实时的传感器信息，通过查表得到规划信息，从而实现路径规划。算法符合人类思维习惯，免去数学建模，也便于将专家知识转换为控制信号，具有很好的一致
订阅专栏 解锁全文
扫一扫
2735
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
