基于演化计算的最短避障路径算法设计

在工程应用、自动化、人工智能等诸多领域中有很多数学模型可以归结为寻求最短避障路径的问题。在环境模型的表达上,该文利用最小多边形包络法处理过的障碍物,即把障碍物描述成为多边形。在搜索策略上,利用演化算法求解TSP的算法——改进的郭涛算法的思想。针对TSP问题和最短避障路径问题的不同,在染色体的有效范围和基因的选取范围等处对算法进行修改,并且引入了基因库,成功地用演化算法解决了最短避障路径问题。     

基于遗传算法的移动机器人动态避障路径规划方法

本文提出了一种基于遗传算法的简单、有效的移动机器人实时动态避障路径规划方法.为利用遗传算法实时、稳定地进行动态路径规划,本文将复杂的二维路径编码问题简化为一维编码问题,并把路边约束、动态避障要求和最短路径要求融合成一个简单的适度函数.仿真实验表明,本文提出的动态路径规划方法可实时、稳定地产生移动机器人运动的最佳局部规划路径,且具有良好的动态避障性能.该方法也可用于智能车辆的自动导航.     

智能机器人的一种新路径规划算法

为了使智能机器人的运动过程更加顺利快速,使其用更短的时间和更短的路径到达终点,采用了基于几何理论的路径规划算法,寻求智能机器人最优路径规划。该算法利用切线最短的理论优化机器人的运动过程,对智能机器人运动的每一段路径都进行了规划和优化,使智能机器人的整个运动过程更加顺畅。在实际应用中,成功地缩短了机器人的运动路径,并成功地进行了避障。这种方法使用简单,容易理解,可广泛应用于智能机器人的路径规划和避障系统中,在实际应用中更能减少能量损耗。     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

移动机器人避障路径规划算法的研究

避障路径规划问题是在障碍物环境中,在满足与障碍物不相碰撞的前提条件下,规划一条从起点到达终点的路径.在此过程中,往往符合条件的路径不止一条,如何在其中找到最短路径则是我们关心的问题.本文以构建障碍物模型为基础,将路径规划问题转化为求解一条经过起点和终点的最短路径,并在此基础上构建了算法程序.通过计算机仿真表明该方法具备良好的路径规划能力.     

基于演化计算的最短避障路径算法设计

在研究求解TSP问题的演化算法(这里指GT算法)的基础上，针对TSP问题和最短避障路径问题的不同，在染色体的有效范围、基因选取等方面对GT算法进行改进，同时引入了基因库以提高算法收敛速度．试验结果表明，用GT算法能较好地求解最短避障路径。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的神经元活性值状态路线图实现的。通过神经元活性值的传播,机器人被吸引到目标点,而同时障碍物使自己处在活性值最低点,起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的、避障的,不会陷入U形障碍物,与障碍物形状和所处位置无关,能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下,产生路径可能不理想,即到达目标点的避障路径是较长的,而不是最短或者是接近最短的。文中对该不足进行了分析,并提出了改进方法,使生成路径是最短的或是接近最短。对改进方法进行了仿真,实验结果证明该方法是有效的和可行的。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的冲经元活性值状态路线图实现的。通过神经元活性值的传播，机器人被吸引到目标点，而同时障碍物使自己处在活性值最低点，起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的．避障的，不会陷入U形障碍物，与障碍物形状和所处位置无关，能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下，产生路径可能不理想，即到达目标点的避障路径是较长的，而不是最短或者是接近最短的。文中对该不足进行了分析，并提出了改进方法，使生成路径是最短的或是接近最短。对改进方法进行了仿真，实验结果证明该方法是有效的和可行的。     

动态环境下机器人路径规划的一种新方法

提出了一种动态环境下实用于机器人路径规划的新方法。该方法先利用链接图法对环境建模,再通过遗传算法搜索出全局最短路径。然后在机器人行进过程中再分别遇到障碍物的类型不同而采取不同的局部路径规划策略完成避障,同时顺利达到目的地。仿真表明该方法具有可行性。     

机器人避障过程中的切点计算公式及其应用

在已知出发点、避障点、目标点的坐标以及避障半径的情况下,通过切点坐标及直线与弧线长度的确定（这些将在正文中分别加以明确地界定）,本文分别计算了机器人绕过一个至两个避障点至目标点的最短路径。最后,本研究给出了切点的计算公式和计算程序,建立了计算机器人从出发点绕多个避障点到目标点的最短行走路径模型。     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

基于扇形扫描的机器人避障算法

结合足球机器人比赛的具体应用背景,提出了一种基于扇形扫描的机器人智能避障方法,该方法是先对机器人前进方向进行扇形扫描,确定障碍物的位置,然后进行路径规划,确定局部目标点,最终目标点由一连串局部目标点构成.经仿真和实践证明,该方法是有效的局部路径规划.     

面向元启发式算法的多无人机路径规划现状与展望

多无人机路径规划是一个复杂的多约束组合优化问题,通过传统算法很难求得优良结果,元启发式算法由于其快速高效而成为解决该类优化问题的有效手段.首先,针对多无人机路径规划的关键要素提出一种新的分类方法;其次,从算法改进方式入手,对各项研究中所采用的元启发式算法进行分类梳理,阐述它们的应用效果和优缺点,并根据所提出的分类方法和...     

基于二重势函数法的集群航路规划

人工势场法由于其在构型组织能力上的不足,影响了该方法在集群航路规划上的应用,为此提出基于二重势函数法的集群航路规划法,通过第一重势能场形成集群到目标的可行路径,通过第二重势能场形成构型,从而实现集群航路规划.此外,针对人工势场法存在无谓避碰、陷阱问题等不足,通过引入碰撞危险度来确定障碍物影响距离以及虚拟障碍物,提出改进的人工势场法.所有改进措施均未改变简单且易于执行的传统势函数模型,为采用人工势场法实现集群航路规划提供了一种思路.仿真结果表明改进的人工势场法很好的克服了不足,所得路径也较为平滑,且以该方法为基础所构成的集群航路规划法在集群航路规划上具有较好的表现.     

基于改进蝙蝠算法和三次样条插值的机器人路径规划

为更好地解决移动机器人路径规划问题, 改进蝙蝠算法的寻优性能, 拓展其应用领域, 提出了一种具有反向学习和正切随机探索机制的蝙蝠算法. 在全局搜索阶段的位置更新中引入动态扰动系数, 提高算法全局搜索能力; 在局部搜索阶段, 融入正切随机探索机制, 增强算法局部寻优的策略性, 避免算法陷入局部极值. 同时, 加入反向学习选择策略, 进一步平衡蝙蝠种群多样性和算法局部开采能力, 提高算法的收敛精度. 然后, 把改进算法与三次样条插值方法相结合去求解机器人全局路径规划问题, 定义了基于路径结点的编码方式, 构造了绕避障碍求解最短路径的方法和适应度函数. 最后, 在简单和复杂障碍环境下分别对单机器人和多机器人系统进行了路径规划对比实验. 实验结果表明, 改进后算法无论在最优解还是平均解方面都要优于其他几种对比算法, 对于求解机器人全局路径规划问题具有较好的可行性和有效性.     

基于神经网络和人工势场的滚动规划

针对多障碍动态环境,论文提出了一种新的路径安全评价方法,并在此基础上提出了基于神经网络和人工势场法的滚动规划方法。与以往的全局规划相比,减少了全局中无关信息干扰,增加了规划效率;与以往的滚动规划相比,增加了移动机器人的预测能力,减少了碰撞的可能性。仿真实验表明,这种规划方法能有效地解决多障碍动态变化的时变环境中的路径规划问题。     

Level Set方法求解机器人路径规划的探讨

移动机器人路径规划是机器人学的一个最基本也是最复杂的问题,路径规划的主要方法有势能方法、单元分解方法、神经网络(NN)等。水平集(level set)方法已经广泛应用于图像处理和计算机图形学领域,因为其具有能够处理拓扑改变、数值稳定性好和独立于参数化的优势。为了探讨Level set方法在求解机器人路径规划中的应用,在介绍水平集法的基本思想和相关技术,以及路径规划的求解方法等的基础上,引入路径规划问题的隐式主动轮廊模型,即水平集模型,并采用快速推进方法(FMM)求解此模型方程,进而给出了路径规划模型的计算结果及其可视化界面,并且与经典势能法的计算结果进行了比较。理论和计算结果证明,Level set方法求解机器人路径规划是可行和有效的,从而为机器人路径规划研究提供了新的思路和方法。     

基于改进型遗传算法的深海集矿机路径规划

提出一种基于改进型遗传算法的深海集矿机路径规划新方法。针对路径规划中标准遗传算法易陷入局部最优的缺点,在标准遗传算法基础上,根据栅格地图的实际特点对算法的编码设计,初始群体设定及遗传操作做出了相应的改进,提高了染色体整体的进化效率,使得改进后的算法可以准确、快速地获取最优路径。实验仿真结果表明该算法的有效性。     

基于八叉树建模的人工蜂群动态路径规划算法

针对群体动画路径规划过程中存在收敛速度慢、与环境的交互性差等问题,提出一种基于八叉树建模的人工蜂群路径规划算法.将环境以八叉树模型进行分解并存储,引入群体自适应机制,通过粒子适应度和环境编码信息寻找目标点,采用分层方式实现路径的动态规划.仿真实验结果表明,该算法能进行群体路径动态规划,在寻优性和收敛性上均有较好的性能.     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。