基于IEEE标准的电脑鼠走迷宫的智能算法研究

通过对基于IEEE标准的电脑鼠走迷宫的软件控制部分进行分析和研究,提出了一种基于向心法则和向点法则的深度优先法和洪水填充法相结合的智能搜索算法,该算法第一次搜索时采用基于向心法则的深度优先法,第二次搜索时采用基于向点法则的深度优先法,并且设计"热区"确定返回起点时机,回溯和冲刺时采用洪水填充法寻找最优路径.此外,对电脑...     

电脑鼠走迷宫算法的研究与优化

电脑鼠是一个集自主迷宫搜索、搜索完成之后进行最短路径冲刺、传感与控制于一体的自主移动机器人系统。针对IEEE标准电脑鼠走迷宫竞赛的要求,介绍了一种基于ARM芯片LM3S615控制的嵌入式电脑鼠走迷宫算法的改进与优化,并对电脑鼠转弯算法进行了深入探讨。实验结果显示,优化后的算法很好地实现了在IEEE标准迷宫中快速搜索最佳路径。     

基于多元优化算法的路径规划

本文提出了一种基于多元优化算法和贝塞尔曲线的启发式智能路径规划方法.该方法通过用贝塞尔曲线描述路径的方法把路径规划问题转化成最优化问题.然后,使用多元优化算法来寻找最优的贝塞尔曲线控制点以获得最优路径.多元优化算法智能搜素个体协同合作交替的对解空间进行全局、局部迭代搜索以找到最优解.多元优化算法的搜索个体（元）按照分工不同可以分为全局元和局部元.在一次迭代中,全局元首先探索整个解空间以找出更优的潜在解区域.然后,局部元在各个潜在解区域进行局部开采以改善解质量.可见,搜索元具有分工不同的多元化特点,多元优化算法也就因此而得名.分工不同的搜索元之间高效的沟通和合作保证了多元优化算法的良好性能.为了评估多元优化算法的性能,我们基于标准测试地图比较了多元优化算法与其它三种经典启发式智能路径规划算法.结果表明,我们提出的方法在最优性,稳定性和有效性上方面优于其它方法.     

基于一种混合遗传算法的移动机器人路径规划

移动机器人路径规划问题一直是机器人学研究的核心内容之一,而遗传算法作为智能仿生学算法在路径规划中得到了广泛的应用。针对传统遗传算法存在局部搜索能力差的问题,文中研究在已知环境下运用一种基于遗传算法和模拟退火算法相结合的技术对移动机器人进行最优路径的规划方法。算法采用栅格法对环境建立模型,同时在遗传算子中添加插入算子和删除算子以优化路径。Matlab仿真实验结果表明,该算法相对于基本遗传算法的收敛速度,搜索质量等有了明显的提高。     

动态蚁群算法用于洪灾搜救问题

蚁群算法是一种求解最优路径的常用算法,其利用自然界中蚁群的活动规律和正反馈原理。动态的蚁群算法针对基本蚁群算法存在的问题和缺点进行改进,采用动态参数因子,可以有效避免搜索的局部最优和进化停滞现象,并且能够提高搜索效率。通过实验结果对比,该算法在求解最短路径方面具有更高的精确度,为今后的搜救问题提供了一种高效实用的参考方法。     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

基于IAFSA和AGA混合算法的移动机器人路径规划

针对人工鱼群算法在移动机器人路径规划中存在易陷入局部最优、结果精度不高以及遗传算法存在易早熟、收敛速度慢等问题,提出一种改进人工鱼群算法(IAFSA)和自适应遗传算法(AGA)相融合的移动机器人路径规划方法。首先用栅格法建立移动机器人的环境模型,然后用IAFSA搜索移动机器人的初始可行路径,将搜索到的初始可行路径作为AGA的初始种群,最后采用AGA优化移动机器人的全局最优路径。仿真结果表明,混合算法在结果精度和稳定性方面优于标准人工鱼群算法,在跳出局部最优和收敛速度方面优于标准遗传算法。     

变概率双向RRT改进路径规划算法

针对RRT算法收敛速度慢、路径不规则的问题,基于双向RRT算法和概率搜索策略,提出了一种变概率策略下的双向RRT搜索优化算法。该算法根据搜索节点的不同周边状态,采用不同的概率策略扩展目标点,使搜索算法能够在空旷场景下向目标点快速生成,同时避免了路径陷入局部最小值的问题。在完成初次路径搜索后,根据路径节点位置优化不规则路线,减少小车行驶过程中的拐弯次数和总路径长度。在仿真中进行了多场景重复试验测试,仿真结果表明,改进后的算法在搜索速度和路径长度上有明显改善。     

改进蚁群算法在交通系统最短路径问题的研究

求解交通路网中两点间的最短路径是智能交通系统中的一个重要功能,为了更为准确快速地找到最优解,这里分析Dijkstra算法处理动态车辆路径问题中的缺陷,提出一种改进的蚁群算法,即在基本蚁群算法中引入搜索方向和搜索热区机制提高算法的搜索性能.通过建立改进蚁群算法模型,用VC 6.0开发工具,以实际交通地图为例,求解交通网络两点间最短距离;并与基本蚁群算法进行对比.仿真实验表明,传统蚁群算法的平均迭代次数为71.06,改进蚁群算法平均迭代次数为55.82,比传统蚁群算法有了明显的提高.该方法能有效解决交通系统最短路径问题,具有一定的实际意义和参考价值和实际意义.     

基于自适应信息素调整的连续空间优化蚁群算法

对于基本蚁群算法(ACA)不适用求解连续空间问题,并且极易陷入局部最优的缺点,提出了一种基于自适应的蚁群算法。路径搜索策略采用基于目标函数值搜索筛选局部最优解的策略,确保能够迅速找到可行解。信息素更新策略采用自适应的启发式信息素分配策略,使算法能够快速收敛到全局最优解。对2个求函数极值问题进行优化并与其他算法进行比较,结果表明该算法能很好的应用于对连续对象的优化,同时具有较高的寻优精度高,搜索速率快,良好的全局优化性能。     

基于蚁群算法的AGV路径规化的实现

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,来解决AGV小车寻优路径的问题,并通过仿真验证了这种算法可求得最简路径的效果,并通过AGV地址识别技术,阐述了AGV小车和计算机的通讯协议,以达到较好的控制效果。     

电脑鼠电路的改进及搜索算法研究

为提高电脑鼠在迷宫中搜索并走出迷宫的速度，对MicroMouse615电路和搜索算法进行改进，采用分组分时的方式驱动红外传感器，使信号采集更加迅速；采用定时器驱动步进电机匀加速的方法，使其运行更加平稳；采用新迷宫算法，使搜索算法更加简洁高效。采用基于RTOS的多进程架构实现各算法，用无线模块实现实时跟踪与可视化，使系统调试更加方便。     

超大规模集成电路无网格布线算法研究

本文提出一种高性能超大规模集成电路无网格布线算法，对于给定的布线平面，算法首先生成该布线平面的非均匀网格图，然后以绕障长度为布线参数，采用优化迷宫算法完成具体的布线过程。算法保证能够找到存在的最短布线路径，并能进行变线宽、变线距布线，布线速度很快，效果很好。     

基于BWAS的无线传感器网络静态分簇路由算法

为提高路径搜索效率,避免动态分簇较多的能量消耗,提出了基于最优-最差蚂蚁系统(BWAS)的无线传感器网络静态分簇路由算法.BWAS是对蚁群算法的改进,在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加快了路径搜索速度.通过无线传感器网络静态分簇、簇内动态选举簇头,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,能减少路径寻优能量消耗,实现均衡能量管理,延长网络寿命,且具有较强的鲁棒性.通过与基于BWAS的动态分簇和基于蚁群算法的动态分簇路由的仿真实验相比较,证实了本算法的有效性.     

A＊的改进路径规划算法

通过对地图数据的预处理和启发函数的设计,对A＊算法进行了改进。利用VC＋＋编程实现改进算法,并在实际城市地图上对改进算法进行了验证,结果表明改进算法提高了搜索最优路径的成功率,同时解决了原算法易出现搜索死循环的问题,可适应不规则的城市路网。     

基于量子粒子群优化的最优障碍路径分析

针对障碍环境下空间最优路径分析问题,提出了一种基于量子粒子群优化的空间最优路径分析方法.该方法采用栅格法进行环境建模,利用量子粒子群优化算法参数少、收敛速度快、鲁棒性好、能够较好地收敛于全局最优点等优点,搜索一条无障碍路径.仿真实验结果验证了该方法的有效性,是在障碍环境中寻找一条空间最优路径的一种较好的方法.     

无线传感器网络动态分簇路由BWAS的算法研究

为加快无线传感器网络(WSN)路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(BWAS)算法的无线传感器网络动态分簇路由算法。该算法是基于WSN动态分簇能量管理模式,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,以多跳接力方式将数据发送至汇聚节点。BWAS算法在路径搜寻过程中评价出最优-最差蚂蚁,引入奖惩机制,加强搜寻过程的指导性。结合动态分簇能量管理,避免网络连续过度使用某个节点,均衡了网络节点能量消耗。通过与基于蚁群算法(ACS)路由算法仿真比较,本算法减缓了网络节点的能量消耗,延长了网络寿命,在相同时间里具有较少的死亡节点,具有较强的鲁棒性。     

一种基于加速Dijkstra算法的图像分割技术

利用最短路径搜索算法中的Dijkstra算法进行图像分割。提出一种加速Dijkstra算法减小经典Dijkstra算法的运算量,以加快其运行速度。提出基于加速Dijkstra算法的Live-Wire图像分割方法勾画出一幅图像中感兴趣目标的轮廓并采用边界填充分割该目标。实验结果表明该算法能正确地进行图像分割,抗噪声性能好,与手工分割法相比交互次数较少,与原Live-Wire分割算法相比运行时间较短。