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．     

机器人路径规划的神经网络算法及优化

开发了一种基于碰撞罚函数的移动机器人路径规划神经网络算法,充分利用社会网络的融合性和并行性提高移动机器人路径规划算法的运算速度,取得了显著效果,并提出了局部部径修正和路径“张紧”两种算法,有效的解决了局部路径微小碰撞和最矩路径问题,实现了机器人路径的最优化,最后给仿真结果。     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.     

基于模拟退火算法的机器人路径规划与研究

机器人技术作为20世纪自动控制领域的一项伟大成就已经取得了长足的发展,移动机器人也越来越多地应用到了各个行业中。移动机器人具有高度自规划、自组织和自适应能力,适合工作于复杂的非结构化环境中。本文以自主移动机器人为背景,着重对其关键的路径规划技术进行研究和探讨。     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

未知环境下模块化移动机器人路径规划的研究

为了使移动机器人各组件可快速组装、便于维修,设计了一种新颖的模块化移动机器人,由驱动模块、控制模块、传感模块及标准连接模块组成.为了解决移动机器人在复杂未知环境下的路径规划问题,提出了基于"感知-动作"的模糊逻辑控制体系结构,采用基于"感知-动作"的模糊逻辑控制方法分别对模块化移动机器人的路径规划进行了二维和三维仿真.仿真结果显示了该模糊逻辑控制方法的稳定性和实用性.在三维复杂环境下应用该方法仿真实现了单个及多个机器人的避碰运动.     

基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。