【《基于粒子群优化算法和遗传算法的自动泊车路径规划仿真分析案例》2200字】

基于粒子群优化算法和遗传算法的自动泊车路径规划仿真分析案例目录TOC\o"1-3"\h\u12526基于粒子群优化算法和遗传算法的自动泊车路径规划仿真分析案例 1283021.1基于粒子群优化算法的路径规划仿真分析 166491.2基于遗传算法的路径规划仿真分析 5基于粒子群优化算法的路径规划仿真分析在基于粒子群优化算法的路径规划仿真中，选择起点位置坐标为（1,1），终点位置坐标为（20,25），线段的长度为，，种群数目，。下面将分析不同的惯性权重对路径规划效果的影响。惯性权重时的路径规划仿真结果如图5-1所示。惯性权重时的路径规划仿真结果如图5-2所示。惯性权重时的路径规划仿真结果如图5-3所示。图中的实线代表基于粒子群优化算法规划后得到的一条路径，圆圈代表设置的三个障碍物，虚线代表从起点到终点的一条连线。通过仿真结果图可以看到基于粒子群优化算法可以对自动泊车路径进行有效的规划。由图5-1，图5-2，图5-3可以看出，惯性权重对粒子群优化算法的规划效果有着较大的影响，的取值过小或者过大都会使规划的路径不理想。由图5-1可知，当的取值较小时会增强粒子群优化算法的局部搜索能力，这样虽然也得到了一条规划的路径，但是规划的效果不是很好，不是最短的路径。由图5-3可知，当的取值较大时虽然会增强粒子群优化算法的全局搜索能力，但是此时得到的路径的规划效果非常差，可以说此时只是完成了最基础的避障功能，走的路径是最多的，失去了路径规划的目的。由图5-2可知，当时，得到的路径最短。说明此时的取值正合适，既达到了最优的规划效果，又没有让粒子群优化算法陷入局部极值的不利局面。由图5-4，图5-5，图5-6还可以看出，惯性权重还影响着粒子群优化算法的收敛速度，即得到规划路径所需时间的长短。由图5-4可知，当时粒子群优化算法的迭代次数在0次至50次之间时，目标的函数值收敛速度非常快，在50次至250次区间中，目标函数值收敛的速度变得缓慢，到了250次左右，目标函数值基本不再发生变化，说明此时粒子群算法已经收敛，得到了一条规划的路径。由图5-3可知，当时粒子群优化算法的迭代次数在0次至10次之间时，目标的函数值以极快的速度收敛，在10次至50次区间中，目标函数值收敛的速度下降，到了50次左右，目标函数值基本不再发生变化趋于稳定，得到了一条规划的路径。但是此时得到的路径的规划效果非常差，因为取值过大，导致此时的粒子群优化算法进入到局部极值的状态。虽然规划的时间短，但是基本没有规划的效果。由图5-2可知，当时粒子群优化算法的迭代次数在0次至50次之间时，目标的函数值收敛速度下降的较快，在50次至200次区间中，目标函数值收敛的速度下降缓慢，到了200次左右，目标函数值趋于稳定，得到了一条最短的路径。比时的规划效果更好，目标函数达到稳定状态所花的次数也更少。图5-1时的路径规划仿真结果图 图5-2时的路径规划仿真结果图图5-3时的路径规划仿真结果图 图5-4时的粒子群优化算法收敛结果图 图5-5时的粒子群优化算法收敛结果图 图5-6时的粒子群优化算法收敛结果图综上所述，惯性权重确实与粒子群优化算法的规划效果与收敛速度有关。通过多次实验和查阅相关材料得出：当惯性权重的最佳取值区间是，这个区间的值对路径的规划效果最好，并且粒子群优化算法达到稳定状态所花费的次数也较少。而当的取值大于1.2时，粒子群优化算法很容易进入到局部极值的状态，导致对路径的规划效果特别差。基于遗传算法的路径规划仿真分析在基于遗传算法的路径规划仿真中，选择起点位置坐标为（1,1），终点位置坐标为（20,25），遗传算子参数的选择如下：选择算子，交叉算子交叉算子顺序，交叉算子变化位置交叉算子变化步长。下面将根据遗传算法进入交叉算子概率的不同来分析遗传算法对路径规划效果的影响。当概率为0.6时的路径规划仿真结果如图5-1所示。当概率为0.1时的路径规划仿真结果如图5-2所示。图中的实线代表基于遗传算法规划后得到的一条路径，圆圈代表设置的三个障碍物，虚线代表从起点到终点的一条连线。通过仿真结果图可以看到基于遗传算法同样可以对有障碍式的自动泊车路径进行有效规划。由图5-7，图5-8可以看出，交叉算子的概率对遗传算法的规划效果有一部分影响，交叉算子概率的取值不合适时会使规划的路径不理想。由图5-7可知，当交叉算子的概率取到0.6时，得到了一条规划的路径，但是规划的效果没有使用粒子群优化算法时的好，不是最短的路径。由图5-8可知，当交叉算子的概率取到0.1，此时得到的路径的规划效果较差，基本没有达到优化的效果，走了很多无效路径。由图5-9，图5-10可知，交叉算子的概率对遗传算法的收敛速度也有一定的影响。由图5-9可知，当交叉算子的概率取到0.6时粒遗传算法的迭代次数在0次至25次之间时，目标的函数值收敛速度非常快，在25次至125次区间中，目标函数值收敛的速度变得缓慢，到了500次左右，目标函数值趋于稳定，说明此时遗传已经收敛，得到了一条规划的路径。由图5-10可知，当交叉算子的概率取到0.1时遗传算法的迭代次数在0次至20次之间时，目标的函数值以极快的速度收敛，在20次至150次区间中，目标函数值收敛的速度下降，到了500次左右，目标函数值的收敛速度基本不再发生变化趋于稳定，得到了一条规划的路径。但是此时得到的路径的规划效果不好。 图5-7交叉算子概率为0.6时的路径规划仿真结果图图5-8交叉算子概率为0.1的路径规划仿真结果图图5-9交