基于动态自确定并行模糊聚类鸡群优化算法的水稻机器人路径规划

简介

为了有效提高水稻机器人路径规划精度,提出了一种基于动态自确定并行模糊聚类鸡群优化算法的水稻机器人路径规划方法。首先,构建基于碰撞威胁度、路径长度和路径平滑度的极坐标水稻机器人路径规划模型,在降低问题求解维度的同时,提高了机器人路径规划的可行性。其次,设计动态自确定并行模糊聚类鸡群优化算法(DMCSO),该算法利用动态自确定分类个数的核FCM对鸡群进行聚类分析,并在MPI并行架构下执行协同进化操作,以提高算法求解高维复杂问题的优化性能,经典测试函数对比结果表明,DMCSO算法无论是在收敛精度上还是在运算效率上都要优于其它算法。最后,利用DMCSO算法对路径规划模型进行求解,以获得更为满意的路径规划方案。仿真结果表明,机器人路径规划方法更具可行性和合理性,路径长度降低了约(15.9~26.5)%,运算时间降低了约(20.3~44.3)%。