密集障碍物环境下移动机器人全局路径规划

针对粒子群优化算法用于障碍物密集分布环境下机器人全局路径规划存在的早熟、效率低等问题,提出了一种基于障碍物顶点信息搜索的双层(底层和顶层)粒子群优化算法。首先,循环运行若干次底层算法,快速获取若干条无碰路径,确定全局最优解的大致位置,并上传所得路径到顶层;顶层种群接受下层信息后,接着,进行局部精细搜索,以获取问题的最优解。同时,定义了基于障碍物顶点信息的脱障算子,对粒子的全局极值点进行脱障操作,以保证路径的无碰性且加快寻优效率。最后,仿真验证了该方法的有效性。     

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术，提出一种用于解决有限资源，不同重要性要求的任务路径规划问题的有效算法，通过对不同重要程度的任务进行分层调度，得到较为满意的决策结果，该处具有搜索空间小，求解速度快的优点。仿真结果验证了算法有效性。     

多服务中心设置问题局部搜索算法的分析与实验

讨论了多服务中心设置问题的局部搜索近似算法及其在实际计算中表现出的新性质。首先对局部搜索算法求解多服务中心设置问题的实际近似性能比给出了一个针对性分析结果,然后编程实验对局部搜索求解算法的求解时间和求解质量进行了探讨。     

基于GIS的最优路径自适应规划算法

基于GIS的最优路径自适应规划算法是公交交通的核心技术。该文研究公共交通网络的特性和路径自适应规划算法的需求特点,构建了公共交通网络的几何模型和数据模型,设计了最优路径自适应规划算法且分析了复杂度,完成了基于GIS的客户端图形化显示,并结合实际公交网络进行了算法的验证,实现了算法的实际应用。     

复杂环境下路径规划问题的遗传路径规划方法

本文主要研究复杂环境下路径规划问题的遗传算法求解方法．介绍了适于求解路径 规划问题的遗传算法,针对复杂环境的特点设计了有效的路径遗传算子,在此基础上提出一 种新的度量路径个体适应度的计算方法．试验表明,该算法有很强的鲁棒性,适合于复杂环 境下的路径规划．     

动态不确定环境下多目标路径规划方法

提出一种在动态不确定环境下求解多目标问题时快速调整移动路径的方法.首先提出采用逆向多目标启发式搜索进行全局规划,求解问题的最优路径集合;然后提出动态多目标路径规划方法,先根据当前观测进行全局规划,在移动过程中探测到不一致的环境信息时,通过对先前搜索中部分信息的重用,在全局规划的基础上进行增量重规划,调整当前状态与目标状...     

用于游戏NPC路径规划的改进遗传算法

针对游戏非玩家控制(NPC)路径规划中传统遗传算法计算速度慢、正确率低等问题,设计了改进型遗传算法.提出了最佳种群规模估计方法,设计了基于精英主义思想的遗传算子.根据游戏地图的特点,引入了基于启发式深度优先搜索的变异操作.与传统遗传算法以及其他学者的改进算法进行了对比实验.实验结果表明:算法能够在保证正确率的前提下,提高计算速度,并且在多目标的环境下同样适用.     

基于启发式搜索的配电网GIS拓扑分析

将网络拓扑技术与配电网GIS的开发相结合,为电力企业的设备管理及辅助决策提供了图形化的、先进的管理工具,提高了电力企业的工作效率.针对配电网GIS的分层管理模型,分析了启发式搜索方法在配电网GIS拓扑分析中的应用,并以配电网GIS拓扑分析中的电源点追踪模块为实例,阐述了基于启发式搜索的拓扑分析追踪与基于拓扑信息追踪相结合的算法.该算法即使在网络拓扑关联属性字段的数据不全时,也能快速、准确地定位电源点,提高了配电网电源追踪模块的实用性,更好地满足了实际工程的应用需要.     

贪心策略下的最佳课程安排问题

在贪心策略下解决多媒体教室中课程安排问题的算法。     

基于GIS的物流配送路径计算

由于在整个物流成本中运输成本占1/3～2/3,因而最大化地利用运输设备和人员,提高运作效率是备受关注的首要问题.其中,最常见的决策问题就是确定运行的最短路线以尽可能地缩短运输时间和运输距离,从而使运输成本降低的同时客户服务也得到改善.通过对基于Dijkstra最短路径搜索算法的优化途径的分析,给出配送的路径规划方案,及配送的货物组配方案,并在GIS的平台上付诸实现.     

自主车辆越野路径规划的新方法——领域式规划法

本文提出了一种解决 ALV(Autonomous Land Vehicle)越野路径规划的新途径——领域式规划法.介绍了一种面向地形本身分布特点和性质的地形分割方法,讨论了领域式规划空间的二叉树表示方法.在此基础上,提出了采用虚拟矩阵匹配搜索二叉树以确定领域式规划空间中邻接关系的方法,并描述了启发式方法和概率方法相结合的路径搜索算法.领域式规划方法有效地解决了非结构化环境中的规划效率问题.     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

一种基于GIS的铁路设备维修路线规划方法

针对铁路设备的维修管理进行研究。在总结某站基于GIS的铁路设备维修管理系统应用经验的基础上,论述基于GIS的铁路设备维修路线的规划方法。其中包括空间数据库的设计、地理信息数据质量保证、地理信息平台的开发、对经典Dijkstra算法的优化及对优化后算法的效率分析等内容。实际应用表明该方法能够解决铁路设备维修路线规划问题,为铁路设备维修行车指挥提供决策支持,为提高铁路设备维修效率提供有效途径。     

基于启发式节点增强策略的PRM路径规划方法

针对一般的PRM方法用于移动机器人对复杂地形路径搜索存在的缺陷，本文对PRM方法进行了改进，提出了一套基于启发式的节点增强的策略，提高了PRM方法节点增强阶段对环境的适应性．此外，本文建立了相应的仿真实验系统对策略的有效性进行了实验与分析．     

基于改进深度强化学习的三维环境路径规划

提出一种改进深度强化学习算法(NDQN),解决传统Q-learning算法处理复杂地形中移动机器人路径规划时面临的维数灾难.提出一种将深度学习融于Q-learning框架中,以网络输出代替Q值表的深度强化学习方法.针对深度Q网络存在严重的过估计问题,利用更正函数对深度Q网络中的评价函数进行改进.将改进深度强化学习算法与...     

基于多层双向A~*的未知环境路径规划算法研究

面向未知战场环境的路径规划问题,提出一种多层双向A~*算法。该算法引入分层策略,使智能体在行进过程中实时响应突发障碍,进行有效避障路径重规划。采用同步双向搜索,并改进启发式代价函数,使得路径搜索算法快速收敛,提高算法在大规模环境中的路径规划效率。为保证智能体在拐角的行进安全,使用Hermite差值对路径进行平滑处理。实验表明,该算法与现有改进算法相比,处理冗余节点数减少12.9%,总用时缩短17.4%,在复杂未知环境中路径规划准确度和效率均有较大提高。     

动态环境中基于增强式学习的路径规划方法

本文结合机器人路径规划问题介绍了增强式学习方法 ,实现了动态环境中基于增强式学习的自适应路径规划 .增强式学习通过采用随机性的控制策略 ,实现策略的优化搜索和在线学习 .并采用具有模式增强输入的BP网络进行决策参数估计 ,加快学习的收敛 .仿真试验证明该方法能有效实现动态环境中机器人的避碰和导航     

基于人工免疫改进的搬运机器人蚁群路径规划

针对搬运机器人在障碍环境下的路径寻优问题,提出一种基于人工免疫改进的蚁群路径规划算法(AI-ACA)。蚁群算法(ACA)的规划依赖于信息素挥发系数、期望启发因子和信息启发因子等参数的选取,传统ACA通过经验来设定这三个参数,但路径寻优中的最优参数因障碍环境而异,为解决经验参数对不同环境路径寻优结果的影响,引入人工免疫算法(AIA),对ACA的相关参数进行迭代优化,以此改善路径寻优结果。仿真结果及在自制机器人平台上测试表明,AI-ACA对于不同障碍环境可以准确地进行路径规划,在同样环境下较所参考的定参数蚁群路径规划效果有明显提升,提高了整个系统的运输效率。