共查询到19条相似文献,搜索用时 78 毫秒
1.
曾现峰 《自动化技术与应用》2012,31(7):4-8
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。 相似文献
2.
基于禁忌搜索的启发式任务路径规划算法 总被引:3,自引:0,他引:3
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。 相似文献
3.
4.
5.
复杂环境下路径规划问题的遗传路径规划方法 总被引:39,自引:0,他引:39
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. 相似文献
6.
7.
8.
基于启发式搜索的配电网GIS拓扑分析 总被引:1,自引:0,他引:1
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. 相似文献
9.
10.
11.
基于GIS的物流配送路径计算 总被引:4,自引:0,他引:4
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. 相似文献
12.
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. 相似文献
13.
14.
《计算机应用与软件》2017,(12)
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。 相似文献
15.
16.
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... 相似文献
17.
《计算机应用与软件》2019,(12)
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。 相似文献
18.
19.
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。 相似文献