基于元胞遗传算法的多无人机编队集结路径规划

针对多无人机编队集结路径规划问题,提出了基于元胞遗传算法的单机航迹规划方法,设置了基于时间约束的速度代价,在此基础上,提出了基于时间协同和防碰撞的多机编队集结策略。仿真结果表明,算法搜索成功率高、稳定性好,得到的多条路径满足无人机性能约束、时间协同性和安全性要求。     

基于改进遗传算法的带硬时间窗车辆路径问题研究

建立了带硬时间窗车辆路径问题数学模型。针对传统遗传算法在局部搜索能力上存在不足这一问题,根据相关文献将爬山算法的思想融入遗传算法中,构造了求解该问题的改进遗传算法。仿真结果表明,该算法在局部搜索过程中能够避免早熟,一定程度上克服了传统遗传算法在局部搜索能力上的不足。     

多AGV定位和路径规划方法研究

针对多AGV小车在实际应用中出现的路径冲突问题,提出一种基于时间窗的多AGV路径规划改进方法。以AGV实时定位和无线通信技术为基础,将时间窗算法和dijstra算法相结合,依次规划各AGV的路径,并采用实时更新位置信息和时间窗排布的方法对冲突路段进行路径动态规划,有效地避免了AGV之间的路径冲突,提高了系统运行效率。     

基于改进遗传算法的移动机器人路径规划研究

基于传统遗传算法在移动机器人路径规划中应用的不足,对遗传算法进行了一定的改进.在初始化种群中采用闵科夫斯基和原理扩展障碍物,选择真正可行的区域,在可行区域中去初始化种群,这样提高了进化的速度;在选择算子中引入了相似性的概念,扩大父代的种类,避免快速进入局部最优解;在交叉算子中采用了动态确定变异概率,这样可以提高个体的质量;通过仿真证明了改进的遗传算法能够更快的收敛到全局最优解,方法是正确有效的.     

有时间窗车辆路径问题的改进遗传算法

给出了有时间窗车辆路径时间通用数学模型，该模型不仅能够满足大多 数实际问题的需要，而且通过对特定参数的设定，还能够转换成其他几种典型的组合优化问题的数学模型，通过引入新颖交叉算子，构造了一种进遗传算法，该算法摆脱了对群体多样性的要求，不存在传统遗传算法常见的“早熟收敛”问题，该算法已用于解决有时间窗的车辆路径问题，实验结果表明，它可以有效地求得有时间窗车辆路径问题的优化解，最求解车辆路径问题的一个较好方案。     

基于遗传算法的机器人运动路径规划的应用研究

遗传算法是模拟自然界生物进化过程的计算模型,作为一种有效的全局并行优化搜索工具,它具有简单、通用和适于并行分布处理的特点以及广泛的应用潜力。本文介绍了遗传算法的基本原理、方法和特点,并着重从应用的角度讨论用遗传算法求解机器人最短路径规划问题。通过对实例的分析及计算,得出较为理想的结果。     

基于改进遗传算法的虚拟装配路径规划研究

装配路径规划是虚拟装配技术的核心,为了获得最优装配路径,在凸四边形障碍物环境中,通过对初始种群选取方法的重新定义,保证了参加演化算法的每条染色体都是可行的,同时对传统遗传算法中的变异算子和杂交算子进行改进,提高了算法的有效性。最后实验证明将改进的遗传算法运用到机械式减速箱装配中可得到更优的装配路径。     

基于改进遗传算法的多模型加工路径规划

在数控加工中,为提高整体的加工效率,往往将多个模型在一块坯料中进行排布,然后进行整体加工规划。为解决多模型整体加工中的路径规划问题,提出对模型及其连接点进行多次调整的方法。在将模型位置简化为加工轮廓的几何中心点的基础上,采用遗传算法对加工轮廓的几何中心点进行排序,确定整体的最短加工顺序。然后在保证加工模型间不发生干涉的情况下,通过对模型的姿态和加工起始点的位置进行调整,进一步缩短模型间的空间跳刀长度。为解决遗传算法易于早熟和难以跳出局部最优解等问题,采用父子代参与竞争和自适应遗传算子等方式对遗传算法进行改进。试验结果表明,该方法能有效地缩短多模型加工的整体路长,并且改进的遗传算法具有很好的收敛效果。     

基于改进遗传算法的多AGV调度优化

为解决生产车间多AGV任务调度的问题,提出了一种改进的遗传算法进行AGV任务的分配和路径的优化,并建立了数学模型;通过改进遗传算法的变异算子,提高种群的收敛速度和收敛性。实例仿真表明,改进的遗传算法收敛速度更快、路径更优。     

改进遗传算法在机器人路径规划中的应用

为解决基本遗传算法在移动机器人路径规划中存在的路径不够平滑、易陷入局部最优等问题,提出了一种改进遗传算法。首先采用中间值插入法提高种群的初始质量;其次设计了新的适应度函数来平滑路径;然后采用混合选择策略以改善算法早熟的缺陷,同时对交叉算子和变异算子进行了改进以便增加种群的多样性;设计了自适应策略,对交叉和变异概率进行调整,更有效地避免了算法陷入局部最优的情况;最后提出简化算子,对生成路径进行二次优化。仿真结果表明,该算法在性能上更优。     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

基于遗传算法的焊接机器人三维路径规划研究

针对汽车焊接机器人路径规划不合理的问题,采利用遗传算法针对三维路径规划问题提出了相应的遗传编码方法,构造了相应的遗传算子,为焊接机器人三维路径的规划问题提出了一条新的发展路径。     

基于遗传进化算法的机器人全局路径规划

研究了机器人在已知环境下用遗传进化算法进行最优路径搜索的方法。在此方法中，把二维编码简化为一维编码，提高了搜索的速度；把障碍物作为排斥子，提出了简单、确定的适应度函数；最后提出了对路径的转折节点处进行平滑处理的方法。仿真实验证明了该方法能够得到机器人行进的最优化路径。     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

基于多目标遗传算法的双机器人协调焊接路径规划

对双机器人协调焊接复杂空间焊缝路径规划问题进行研究,提出了一种基于多目标遗传算法的焊接路径规划方案。通过分析影响焊缝质量及机器人运动平稳性的各 参数,建立了评价焊接路径的目标函数：焊接质量函数、机器人运动平稳性函数以及双机器人碰撞函数。利用多目标遗传算法对协调焊接路径进行求解,实现对双机器人最佳焊接路径的规划。以"马鞍形"空间焊缝为例,对双机器人协调焊接路径进行了试验验证。结果表明,该方案可实现双机器人协调焊接路径的规划。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。     

基于ObjectARX及改进贪心遗传算法的切割路径优化

为了缩短割炬加工零件时间,利用图论中旅行商问题模型提出了一种改进的贪心遗传算法,并将其利用ObjectArx在AutoCAD平台上实现.该算法从加工轮廓中提取特征点作为旅行商问题的城市,采用贪心交叉方式作为交叉准则、二点异位方式作为变异准则、颠倒变异与交叉的顺序,并利用轮盘赌选择父辈.该算法利用轮盘赌原理优化了第一座城市的选择,经实例仿真验证具有很好的效果,可以显著减少空行程,达到节约时间及成本的目的.     

基于改进 A * 算法的四向穿梭车路径规划

针对传统四向穿梭车系统路径规划易出现路径交叉死锁问题,提出一种改进 A * 算法的路径规划算法。参考多辆穿梭车路径的路径交叉长度、路径冲突车辆总数对路径搜索的影响,使得多辆穿梭车路径分布均匀,减少车辆路径的点边冲突,降低实时路径检测中避让策略的复杂度,提高系统的稳定性与效率。栅格地图环境中,将该算法应用于复杂环境中的四向穿梭车路径规划,仿真结果表明,该算法在路径规划中是可行和有效的。     

基于遗传算法的大型精密转台全局路径规划

全局路径规划在大型精密转台实际应用中占据重要的地位,提出了使用遗传算法求解该问题.首先构造出大型精密转台全局路径规划的模型,然后详细说明了使用遗传算法求解该模型的关键技术和具体步骤,最后使用实例验证了遗传算法在大型精密转台全局路径规划问题求解中的良好效果.