基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

静态障碍物下的遍历多任务目标机器人路径规划

针对粒子群-遗传算法存在计算成本过高并且单一算法不能解决有障碍物存在的地图上遍历多任务目标点的移动机器人避障行走问题,提出一种分级粒子群、遗传和A*算法相结合的遍历多任务路径规划新方法.规划时,首先使用分级粒子群-遗传算法计算出执行任务的最优顺序,然后使用A*算法按照目标执行顺序进行无碰撞路径规划.该方法将遗传算法中的交叉、变异应用到粒子群算法中,提高粒子群算法的全局寻优能力和稳定性,并对粒子群进行了等级划分,不同等级的粒子在下次迭代中采用不同的操作.仿真实验证明:该算法能够规划出更优的任务目标执行顺序,并且同等目标情况下,相比于粒子群-遗传算法,迭代次数降低约25%,规划时间降低约10%.     

基于改进遗传算法的无人飞行器三维路径规划

文章针对现有无人飞行器低空突防三维路径规划方法工程实现困难等问题,提出了一种基于改进遗传算法的三维路径规划方法。该方法对地形高程数据进行综合平滑处理,建立满足无人飞行器机动性能的安全飞行曲面,结合威胁的量化模型,采用改进遗传算法在安全飞行曲面上规划出三维飞行路径。将实际工程中的部分约束条件应用到改进遗传算法的设计中,提高了算法搜索效率,且算法结构简单,易于工程实现。仿真结果表明,算法执行效率高,能满足无人飞行器低空突防路径规划的工程性需要。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

基于快速扫描随机树方法的路径规划器

介绍了一种基于快速扫描随机树的启发式路径规划方法．该方法以初始点为根节点进行扩展，直至随机树的叶节点中包含了目标点或目标区域中的点为止．引入了KD树并以前一帧规划出的路径为基础进行下一帧的运动规划以缩短规划时间．用该方法可以规划出最优路径或次优路径．     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题,提出了一种基于遗传模拟退火算法的静态路径规划方法.通过对算法进行实验仿真,结果表明提出的静态路径规划方法是正确有效的.     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

基于改进型遗传算法的AUV路径规划

针对基本遗传算法求解AUV路径规划问题时存在收敛速度慢等缺陷,提出一种基于改进型遗传算法（IGA）的路径规划方法,该方法采用改进的遗传算法、具有明确物理意义的适应度函数,提高了算法搜索的速度和优化的程度,解决了AUV多目标优化的路径规划问题。仿真试验结果证明：该方法是正确有效、稳定的,并且比基本遗传算法得到的路径更优,收敛速度得到显著提高。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

基于粗糙集移动机器入微种群路径规划算法

针对机器人的路径规划，提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法，该算法采用栅格法划分机器人的工作空间，十进制路径编码方式，在粗糙集生成初始路径的基础上，通过运用微种群遗传算法对这些初始路径进行优化后，得到了一条最优或近似最优路径，在Matlab环境进行的机器人路径规划仿真实验中，笔者用到的微种群遗传算法与一般遗传算法相比，具有优化效果明显，环境适应性强等优点，能够有效地提高机器人路径规划速度，结果表明作者提出的方法是正确和有效的。     

无向赋权图最短通路的矩阵算法

Dijkstra算法是求赋权图最短通路中最著名的算法.但其数学的表达式却非常复杂,而且只求出起点到各点的最短通路的权.通过对赋权图进行矩阵定义以及定义相应的矩阵运算法则,就可以求出任意两点间的最短通路的权.这一算法为求赋权图的最短通路及权的编程提供了算法模型.     

基于遗传算法的综合布线路径布局研究

以综合布线系统的路径规划为研究对象,对布线路径中的公共路径和最短路径的双目标进行统筹规划,以满足不同情况下的不同施工需求. 首先给出了综合布线决策的整数规划模型,采用遗传算法构建了一种新的综合布线优化算法,用于进行综合布线路径规划的设计与研究. 在遗传算法的基础上,通过加权组合的方式实现公共路径和最短路径的协调,其中公共路径越长越节约工期,最短路径越长越节约成本. 最后,通过仿真对所提模型和方法的有效性进行了验证.     

更新最短路径树的完全动态算法

在已有的动态更新最短路径树(Shrotest Path Tree,SPT)算法的基础上,提出节点发生变化时更新SPT的方案,与SPT中权值发生变化时更新SPT的方案相结合,提出处理网络拓扑变化的完全动态SPT(Completely Dynamic of Shortest Path Tree,CD_SPT)算法。当网络拓扑发生变化时,该算法对边的权值增加、减少的情况,节点加入、删除的情况进行分别操作,但其基本思想都是利用已有SPT的有用信息,只关注需要变化的边和节点,通过缩小计算规模来减少冗余计算,从而大大减少计算量。仿真试验结果表明,CD_SPT算法具有更高的效率和更好的性能。     

用遗传算法求解网络最短路效率

为提高求解大型网络最短路问题(SP)的效率,采用遗传算法求解。应用可变长编码提高算法运行效率,通过构造杂交、变异算子,以其提供的一种全局搜索能力来提高解的质量及加快种群收敛速度,从而提高运算效率。因杂交及变异而产生的不可行解,则通过一个简单的修复函数,将其修复为可行解,并使它们加入遗传运算且保持种群的多样性,使遗传算法能更高效的运行。通过对大型网络最短路问题的数值实验,在同一网络中,遗传算法的运行时间明显少于Dijkstra算法,求解效率优于Dijkstra算法。     

一种新的动态QoS多播路由启发式算法

为了满足多播业务的实时性要求、提高网络资源利用率，提出一种新的时延受限动态多播路由算法。该算法充分考虑路径时延对多播树总代价的影响，利用前k条最短路径方法和路径选择函数来生成多播树。算法可以在满足时延约束的情况下，快速地找到性能较好的多播树，同时可以根据网络节点的加入或退出请求来更新多播树，实现对多播树的动态维护。实验结果表明，该算法代价性能良好、能够满足多媒体网络的实时性要求。     

一种新的动态QoS多播路由启发式算法

为了满足多播业务的实时性要求、提高网络资源利用率，提出一种新的时延受限动态多播路由算法。该算法充分考虑路径时延对多播树总代价的影响，利用前k条最短路径方法和路径选择函数来生成多播树。算法可以在满足时延约束的情况下，快速地找到性能较好的多播树，同时可以根据网络节点的加入或退出请求来更新多播树，实现对多播树的动态维护。实验结果表明，该算法代价性能良好、能够满足多媒体网络的实时性要求。     

Dijkstra最短路径算法优化

传统D ijkstra算法在求解节点间最短路径时,对已标识节点以外的大量节点进行了计算,从而影响了算法的速度.在对传统D ijkstra算法分析的基础上,对其进行了优化,优化算法只对最短路径上节点的邻居做了处理,而不涉及到其他节点.因此,在优化算法中计算的节点数大幅减少,提高了算法的速度.     

最短路径算法在多阶段决策中的应用

介绍了最短路径算法的研究发展.针对多阶段决策问题,给出了利用最短路径算法的求解思路和实例,即图结点表示状态、弧表示状态之间的先后关系.针对套汇问题,指出了其与一般最短路径问题的本质差异：求解路径上权值乘积的最大值.并基于Floyd算法框架,提出了最大获利的套汇算法,算法计算结果优于以往文献.     

广度优先搜索算法在螺旋立方体中的应用

本文给出互连网络上的广度优先搜索算法，并将其应用到螺旋立方体上。给出了n维螺旋立方体TQn的直径的另外一种证明方法；该算法可能用来求解单源节点最短路径问题。为讨论新的互连网络拓扑结构的直径和故障直径问题提供一条新的思路。