论文部分内容阅读
提出了一种基于学习分类器(LCS)的避碰路径规划方法,设计了集成适应度函数,在确保安全避碰的前提下,解决自主地面车(ALV)在狭隘环境下的路径优化问题.不同环境的仿真实验结果表明,遗传算法和学习分类器结合用于自主地面车的路径规划是收敛的,提高了ALV在狭隘环境中快速发现安全路径的能力.
基于学习分类器的自主地面车在狭隘环境中的路径规划
【摘 要】
：
提出了一种基于学习分类器(LCS)的避碰路径规划方法,设计了集成适应度函数,在确保安全避碰的前提下,解决自主地面车(ALV)在狭隘环境下的路径优化问题.不同环境的仿真实验结果表明,遗传算法和学习分类器结合用于自主地面车的路径规划是收敛的,提高了ALV在狭隘环境中快速发现安全路径的能力.
【机 构】
：
南京理工大学计算机科学与技术学院
【出 处】
：
信息与控制
【发表日期】
：
2011年03期
【基金项目】
：
国家自然科学基金资助项目（60705020）
其他文献
针对垂直分层空时码系统的最大似然检测算法运算复杂度大的缺点,将排序的QR分解算法和最大似然检测算法结合起来,给出了一种改进的垂直分层空时码检测算法.该算法既减少了最
无功优化是电力网络优化的主要措施，其实质是一个多目标非线性混和优化问题。采用免疫遗传算法来研究该问题的求解方法就是在传统遗传算法的基础上，借鉴生物免疫机制中抗体的多
针对选取前景理论函数参数时仅考虑决策的不理性而并未区分决策者的风险态度这一特点,基于效用曲线改进了前景理论价值函数的形式并扩展了其参数范围.该函数借鉴效用曲线依据