论文部分内容阅读
研究多气味源同时定位问题，提出一种基于多微粒群优化的机器人气味源定位方法。该方法将机器人看作一个微粒，邻近的微粒组成一个子群，不同的子群定位不同的气味源．通过合并相似的子群和降低微粒在已搜索区域的适应值，使得微粒群定位尽可能多的气味源．当气味源所在环境变化时，根据子群当代极值与前代全局极值之间的关系，选择子群的全局极值．将所提方法应用于3个典型静态环境与1个动态环境的气味源定位，并与5种已有方法比较．实验结果表明，所提方法能够高效地定位多气味源．