Resumen

Se propone un algoritmo genético adaptativo basado en la detección de colisiones (AGACD) para resolver los problemas del algoritmo genético básico en el campo de la planificación de trayectorias, como la baja calidad de la trayectoria de convergencia, las numerosas iteraciones necesarias para la convergencia y la facilidad para caer en la solución óptima local. En primer lugar, este trabajo introduce el método de peso Delphi para evaluar el peso de la longitud de la trayectoria, la suavidad de la trayectoria y la seguridad de la trayectoria en la función de aptitud, y se propone un método de detección de colisiones para detectar si la trayectoria planificada colisiona con los obstáculos. A continuación, se mejora el proceso de inicialización de la población para reducir el tiempo de ejecución del programa. Tras considerar exhaustivamente la diversidad de la población y el número de iteraciones del algoritmo, se mejoran el operador de cruce y el operador de mutación tradicionales, y se proponen el operador de cruce y el operador de mutación adaptativos para evitar la solución óptima local. Por último, se propone un operador de optimización para mejorar la calidad de los individuos convergentes mediante la segunda optimización de los individuos convergentes. Los resultados de la simulación muestran que el algoritmo genético adaptativo basado en la detección de colisiones no sólo es adecuado para los mapas de simulación con varios tamaños y distribuciones de obstáculos, sino que también tiene un excelente rendimiento, como la gran reducción del tiempo de ejecución del programa del algoritmo, y el algoritmo genético adaptativo basado en la detección de colisiones puede resolver eficazmente los problemas del algoritmo genético básico.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:algoritmo genético adaptativo, detección de colisiones, soluciones óptimas locales, algoritmo genético básico, individuo convergente, calidad de la trayectoria convergente, colisiones de la trayectoria planificada, métodos de detección de colisiones, campo de la trayectoria, calidad de la trayectoria convergente
• Keywords:adaptive genetic algorithm, collision detection, local optimal solutions, basic genetic algorithm, convergent individual, quality of convergent, planned path collides, collision detection methods, field of path, convergence path quality