文献

J-GLOBAL ID：201902281957427700   整理番号：19A1815432

A*発見的方法によるアリコロニーアルゴリズムに基づく移動ロボット経路計画【JST・京大機械翻訳】

Mobile Robot Path Planning Based on Ant Colony Algorithm With A^* Heuristic Method

著者 (6件)： Dai Xiaolin (School of Mechatronics Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Dai Xiaolin (Center of Robot, University of Electronic Science and Technology of China, Chengdu, China) ,  Long Shuai (School of Mechatronics Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Zhang Zhiwen (School of Mechatronics Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Gong Dawei (School of Mechatronics Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Gong Dawei (Center of Robot, University of Electronic Science and Technology of China, Chengdu, China)
資料名： Frontiers in Neurorobotics (Web)  (Frontiers in Neurorobotics (Web))
巻： 13  ページ： 15  発行年： 2019年 
JST資料番号： U7086A  ISSN： 1662-5218  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文は,移動ロボットのための複雑な地図における経路計画の効率的探索能力を達成するために,改良アリコロニーアルゴリズムを提案した。改良アリコロニーアルゴリズムは,A*アルゴリズムとMAX-MIN Antシステムの特性を使用する。最初に,グリッド環境モデルを構築した。A*アルゴリズムと曲げ抑制演算子の評価関数を導入して,Antコロニーアルゴリズムの発見的情報を改良して,それは収束速度を加速して,グローバル経路の滑らかさを増加させることができた。第二に,後退機構を導入してデッドロック問題を解決した。次に,MAX-MINアリシステムを局所拡散フェロモンに変換し,反復試行からの最良解のみをフェロモン更新に加えることができた。また,フェロモン軌跡の強度は,探索の早期収束を避けるために効果的に制限される。これは複雑なトンネル,トラフおよびバッフルマップにおけるACOに対する効果的な改善および高性能を与え,従来のACOのバージョンと比較してより良い結果を与える。シミュレーション結果は,改良アリコロニーアルゴリズムがより効果的でより速いことを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： デッドロック ,  *経路探索 ,  モデル ,  *アルゴリズム ,  平滑度 ,  フェロモン ,  *発見的方法 ,  シミュレーション ,  評価関数 ,  *移動ロボット ,  軌跡
準シソーラス用語： 早期収束 ,  収束速度 ,  グリッドコンピューティング ,  *アントアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 経路計画 ,  アリコロニーアルゴリズム ,  A*アルゴリズム ,  曲げ抑制 ,  収縮機構

分類 (4件)： システム・制御理論一般  (IA02010H) ,  移動通信  (ND08030H) ,  操縦・制御系統  (QK05020Z) ,  信号理論  (ND02020G)

引用文献 (34件)：

• Arantes J. D., Arantes M. D., Toledo C. F., Júnior O. T., Williams B. C. (2017). Heuristic and genetic algorithm approaches for UAV path planning under critical situation. Int. J. Artificial Intelligence Tools 26, 1-30. doi: 10.1142/S0218213017600089
• Bakdi A., Hentout A., Boutami H., Maoudj A., Hachour O., Bouzouia B. (2016). Optimal path planning and execution for mobile robots using genetic algorithm and adaptive fuzzy-logic control. Robot. Autonomous Syst. 89, 95-109. doi: 10.1016/j.robot.2016.12.008
• Cetin O., Yilmaz G. (2014). Sigmoid limiting functions and potential field based autonomous air refueling path planning for UAVs. J. Intelligent Robot. Syst. 73, 797-810. doi: 10.1007/s10846-013-9902-y
• Cheng C. T., Fallahi K., Leung H., Tse C. K. (2010). An AUVs path planner using genetic algorithms with a deterministic crossover operator. IEEE Int. Conference Robot. Automat. 2010, 2995-3000. doi: 10.1109/ROBOT.2010.5509335
• Das P. K., Behera H. S., Panigrahi B. K. (2016). A hybridization of an improved particle swarm optimization and gravitational search algorithm for multi-robot path planning. Swarm Evol. Comput. 28, 14-28. doi: 10.1016/j.swevo.2015.10.011

タイトルに関連する用語 (5件)： A* ,  発見的方法 ,  アリコロニーアルゴリズム ,  移動ロボット ,  経路計画