计算机应用

作者：张康, 陈建平

单位：南京航空航天大学 航空学院, 南京 210016

关键词：航迹规划,渐进最优的快速扩展随机树,自适应采样,初始航迹,复杂环境

基金：江苏高校优势学科建设工程项目。

针对具有渐进最优性的快速扩展随机树（RRT*）算法在面对高维、复杂环境时所表现出的寻路效率低、收敛速度缓慢的问题，在RRT*的基础上，提出一种基于采样空间自调整的渐进最优快速扩展随机树（AS-RRT*）无人机（UAV）航迹规划算法。该算法可以自适应调整采样空间，进而引导树更为高效地生长，而这些主要通过有偏采样、节点筛选和节点学习这三种策略来实现。首先，在采样空间中定义向光和背光区域来进行有偏采样，而向光和背光区域的概率权重由当前扩展失败率决定，从而保证算法在搜索初始航迹时同时具有探索性和方向性；然后，在完成初始航迹的搜索后，算法就开始周期性地筛选节点，高质量的节点作为学习样本来产生新的抽样分布，质量最低的节点在算法达到最大节点数量后被新节点替代。在多种不同类型的环境下进行了对比仿真实验，结果表明所提算法在一定程度上改善了采样算法固有的随机性，而且相较于传统的RRT*算法，该算法在相同环境里使用了更少的寻路时间，在相同时间里生成了更低代价的航迹，且在三维空间里的改进更为明显。

来源：2021年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第4期