论文部分内容阅读
通过分析基于神经网络的移动机器人路径规划的优缺点,指出该算法存在搜索区域过大,搜索具有盲目性,效率不高的问题和不足.针对此问题提出了3种优化该算法的方法:通过BP反向学习算法优化神经网络连接权值,来学习外部环境;采用组合光学探测器减小模拟退火算法搜索区域;陷入局部极小值时采用后退策略,跳出局部极小值.最后通过仿真实验具体实现了这两种算法,通过对比两种算法的有效性和收敛性,后一种算法较前一种有较大提高,证明了此算法应用到全局移动机器人路径规划中的有效性和正确性.