原文传递
复杂环境下群智能优化算法在无人车路径规划上的应用研究
| 论文题名： | 复杂环境下群智能优化算法在无人车路径规划上的应用研究 |
| 关键词： | 无人驾驶;路径规划;蜘蛛猴优化算法;动态窗口法 |
| 摘要： | 近年来随着计算机技术的不断进步，无人驾驶车辆被广泛的应用到军事和民用领域。路径规划作为控制无人车的关键技术，一直是国内外学者的研究热点。群智能优化算法所优化地问题不需要具备明确的数学特征，适合于求解路径规划这类形式复杂的问题，但其仍存在解决高维问题易陷入局部最优，求解质量不高的缺点。因此，本文提出一种改进的蜘蛛猴优化算法，并将该算法与改进的动态窗口法结合，应用于无人车路径规划。本文的具体研究内容如下： (1)分析了无人车路径规划的研究背景、意义以及无人驾驶技术、路径规划算法的国内外现状，为本文的主题研究指明了方向。 (2)提出了一种融合混沌及对立学习的动态蜘蛛猴优化算法，引进Tent混沌序列初始化种群，使初始种群在解空间中的分布更为均匀。在算法每次迭代后评估种群多样性，若多样性较低，则随机对种群部分个体使用对立学习策略，避免算法过早收敛。在局部领导者阶段和局部领导者决策阶段引入非线性动态自适应权重，较好平衡了全局探索和局部开发能力。并在局部领导者决策阶段应用精英对立学习策略，增强种群多样性。使用CEC2017中的九种标准测试函数测试本文改进的蜘蛛猴优化算法，并与同类算法进行比较，实验结果表明，本文改进算法具有良好的适应能力和稳定性，有效地克服了标准蜘蛛猴优化算法在中高维度上优化效果不佳的问题。 (3)首次将融合混沌以及对立学习改进蜘蛛猴优化算法应用到中短程全局路径规划问题，在使用栅格法建立的二维环境模型中，使用改进后的蜘蛛猴优化算法进行路径规划，综合考虑路径的安全性、平滑度以及路径长度选择最优路径，得到规划路径后采用三次B样条曲线进行光滑处理。在不同大小及障碍物分布的栅格环境中，与四种智能优化算法比较，仿真实验表明，改进蜘蛛猴优化算法规划出的路径质量较佳，提升了规划效率。 (4)为提升动态窗口法规划路径的平滑性及目的导向性，提出并实现一种改进的动态窗口法。结合蜘蛛猴优化算法的全局路径规划和改进的动态窗口法的局部路径规划，提出一种混合路径规划算法，该算法在全局路径信息的指引下进行局部路径规划，能够在动静态障碍物结合的复杂环境中找到一条无碰撞的安全可行路线。在二维栅格环境及三维CARLA环境中进行仿真实验，证明了本文所提算法是解决无人车路径规划问题的一种切实有效的方法。 |
| 作者： | 王舒晓 |
| 专业： | 软件工程 |
| 导师： | 唐振民 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
