基于改进人工势场法的避障路径规划研究OA北大核心

传统的人工势场法(APF)在路径规划领域因其简单性和高效性而被广泛采用,然而,这种方法往往会遇到局部最小值的问题,并且在动态环境中的适应性有限。为了解决这些问题,文中提出一种基于模拟退火算法(SA)改进的人工势场法。该改进方法结合人工势场法的实时避障能力和模拟退火法的全局优化特性,在所提出的改进方法中,通过在局部极小值附近添加随机目标点,使用模拟退火算法进行优化,从而有助于跳出局部最小值,并逐渐逼近全局最优或近似最优解。通过一系列的仿真实验表明,与传统人工势场法相比,基于模拟退火法的改进方法能够显著减少陷入局部最小值的情况,并在多种动态场景中表现出更强的鲁棒性和更优的路径规划效果。此外,该方法还展现了良好的实时性和适应性,能够满足车辆在复杂动态环境中进行避障和路径规划的需求。