第5期 唐小勇，等：改进粒子群算法的潜器导航规划 ·447 3.3导航规划算法的实现流程 收敛速度有了明显的提高， 1)算法参数设定. 表2改进的粒子群算法与标准粒子群算法性能比较 2)出于避障考虑，对障碍物进行适当拓展， Table 2 The performance comparison of the improved 3)随机初始化每维粒子的位置、速度（初始化不 PSO 仅要考虑边界约束，还要考虑避障)，及每维粒子的个 平均 平均 起始点 终点 算法 体最优位置P:和所有粒子的全局最优位置P 最优解收敛速度 (0.0) (28,0) Bpso 28.6072 760 4)更新粒子的速度，并进行边界约束（若粒子 (0,0) (28,0) Mpso 28.6072 138 的速度超出[-V,Vm],则以其边界值代替，更新 (0,0) (26,-2) Bpso 28.1607 780 粒子的位置，约束条件与3)类似 (0,0) (26,-2) Mpso 28.1607 68 (0,0) (26,1) Bpso 28.4085 940 5)避碰检测.检测粒子每一维Xa是否落入障 (0,0) (26,1) Mpso 28.4085 280 碍物中，两相邻顶点的连线是否为可行路径.若不满 足条件，则令Xa(t+1)=Xa(t). 5 结束语 6)对每个粒子X,求其适应值，更新Pg和P 相比于基本粒子群算法，本文对粒子群算法的 7)若算法达到最大迭代次数或者满足精度要 改进，使得粒子群算法在保持自身优点的情况下，在 求，则结束，否则转4) 收敛速度以及种群多样性的增加方面得到了提高. 4仿真结果及分析 仿真实验结果获得了从起点到终点的无碰撞路径， 证实了该方法的有效性和可行性.本文仅就静态已 基于所提出的方法，在AMD2.4GHz双核、1GB 知环境下的导航规划进行了建模与仿真，对于动态 内存的PC机上用Matlab7.0进行仿真实验.潜器用 实时环境以及海底三维环境条件下的导航规划还有 一个质点来表示，障碍物按其尺寸大小进行相应扩 待进一步研究。 张.潜器工作区域为28×22的矩形区域.粒子群维 数为n=3,粒子数为30.惯性权重o如式(3)所示， 参考文献： 随着迭代次数从0.85非线性递减到0.3，迭代次数 [1]肖本贤，李善寿，王晓伟，等.基于PS0和人工势场的机 定为1000次，以从起点到终点的无碰撞路径长度最 器人路径规划[J].合肥工业大学学报，2007,30(6)： 短为优化目标，仿真结果如图8所示.该方法建模容 718-722. 易，理论简单，可在不同的障碍物环境下得到不同的 XIAO Benxian,LI Shanshou,WANG Xiaowei,et al.Path 优化轨迹，在全局路径规划中有一定可行性.该方法 planning of mobile robots based on PSO and APF[J].Jour- 可有效地解决潜器路径规划及避障问题， nal of Hefei University of Techenology,2007,30(6): 718-722. [2]张帆，周庆敏.基于遗传算法的移动机器人路径规划仿 真[J].微计算机信息，2008,24(6)：267-268,284. ZHANG Fan,ZHOU Qingmin.A method based genetic for path of a mobile robot [J].Microcomputer Information, 2008,24(6):267-268,284 1015202530 [3]SARIMVEISH H,ALEXANDRIDIS A,MAZARAKISS,et 图8仿真实验结果 al.A new algorithm for developing dynamic radial basis Fig.8 Simulation results function neural network models based on genetic algorithms 图8反映出改进算法实现了无碰撞距离最短的 [J].Computers and Chemical Engineering,2004,28(1/ 路径规划.从表2可以看出，经过改进的算法在最优 2):209-217. [4]宋勇，李贻斌，栗春，等.基于神经网络的移动机器人路 解方面与标准粒子群算法一致，这主要是由被优化 径规划方法[J].系统工程与电子技术，2008,30(2)： 函数的极值决定的（对于多峰函数，改进的粒子群 316-319. 算法具有明显的优越性).最显著的优势是其平均 SONG Yong,LI Yibin,LI Chun,et al.Path planning