用于多机器人路径规划的一种改进蚁群算法

基于MATLAB平台,将改进的蚁群算法应用于多移动机器人的路径规划。为了避免多机器人协作时容易引起的"任务死锁",每当机器人选择到系统中所有机器人一起合作也无法完成的任务时,降低该任务的信息素浓度,使得机器人能够跳出该任务,从而得以顺利完成其他可完成的任务。仿真研究表明:该算法能明显改善多机器人路径规划性能,并且算法简单有效。     

基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

基于修正蚁群算法的多机器人气味源定位策略研究

为了使多机器人系统能够模仿蚁群寻找食物源的行为方式来搜索室内环境中存在的气味源,通过对蚁群算法的修正,形成一种新的多机器人协作策略．修正的蚁群算法包括局部遍历搜索、全局随机/概率搜索和信息素更新三个阶段．为了实现多个气味源的定位,在迭代搜索中加入了气味源确认机制．仿真结果表明,局部遍历搜索能够保证机器人逐步靠近气味源,而在全局搜索中设置气味浓度检测阈值可以避免机器人“群聚”现象的形成．最后验证了从不同入口点分散进入搜索区域时,机器人对多个气味源的搜索定位效果．     

基于改进蚁群算法的多机器人任务分配方法

研究了动态环境下多机器人对多目标点的探测;针对通常采用的是单物品拍卖的方法进行任务分配但是无法得到全局最优解的缺点,提出了用组合拍卖的方法来解决多机器人的任务分配问题;由于组合拍卖(WDP)本身是一个NP-hard的问题,所以文中通过对蚁群算法进行改进,成功地解决了此类任务分配问题;实验表明,该算法有效地缓解了容易出现的早熟停滞现象,达到较好的最优解,收敛速度快且求解质量稳定,满足了多机器人动态任务分配的要求。     

基于协方差交集的多机器人协作目标跟踪算法

为了解决未知环境下多机器人协作目标跟踪问题,设计了一种基于协方差交集数据融合的分布式解决算法.单台机器人运用全协方差扩展式卡尔曼滤波器完成未知环境下机器人状态和目标状态的同步估计,当单台机器人发现同伴并利用观测值对同伴机器人状态进行本地估计后,将结果连同目标状态一起发往同伴机器人,同伴机器人进行数据验证后,采用基于协方差交集的数据融合算法完成本地相关状态的更新,由于并不需要知道相关估计对象之间的协方差阵,因此算法具有分布式特点.仿真实验证明了算法能够有效提高机器人对于自身状态、环境特征状态以及目标状态的估计准确性.     

一种多机器人协作控制方法

提出了一种基于Petri网模型的多个移动机器人协作控制方法.该方法主要包括两个模块:高层控制模块(HLCM)和低层控制模块(LLCM).HLCM负责任务分配和再规划,LLCM实现单个机器人的控制逻辑.利用可达树对Petri网模型中的死锁进行检测,并给出了消除死锁的方法.仿真实验证明了该方法的有效性.􀁱     

基于改进蚁群算法的机器人轨迹规划

为优化机器人末端执行器的工作轨迹,提高工作效率,减少能量损耗,建立了以运动时间和路径最短、冲击最小为目标的优化模型。在传统蚁群算法的基础上,引入带方向信息的全局启发因子来提高最优路径的搜索效率,并利用蚂蚁的死亡机制和惩罚函数来避免遇到陷阱时形成的路径死锁情况。测试结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出满足条件的最优路径。     

基于量子蚁群算法的机器人联盟问题研究

将量子进化算法与蚁群算法思想相融合,提出一种求解机器人联盟问题的量子蚁群算法。为了避免搜索陷入局部最优,采用多种群并行搜索及量子交叉策略,以改善种群信息结构;算法中还设计了一种新的信息素表示方式。仿真实验结果表明,该算法具有较快的收敛速度和全局寻优能力。     

基于信息素的多机器人协作任务分配

针对多机器人系统未知环境下自主任务分配问题,提出了将虚拟吸引信息素和虚拟排斥信息素相结合的多机器人任务分配方法。在动态未知环境下,进行了多机器人协作搜集实验,实验结果表明所提方法既可以避免多个机器人集中在一个空间内造成冲突加剧的现象,又可以实现多机器人自主地进行任务分配目的。     

基于改进蚁群算法的周期多帧任务分配

研究一组多帧任务在异构多核处理平台上的分配,使得所有任务得以完成并耗费更少的时间。建立了带约束条件的异构多核周期多帧任务模型,运用蚁群算法来解决任务分配优化问题。其中结合了遗传算法中的复制、交叉、变异等遗传因子,以提高算法的收敛速度和全局搜索能力;改进了信息素的更新方式,以使算法在执行过程中可以根据收敛及进展情况动态地调整信息素残留程度,加快寻找最优解的能力;此外还引入了一种确定性搜索方法,以加快启发式搜索的收敛速度。实验证明,使用改进后的蚁群算法在解决异构多核平台上的多帧任务分配问题时,可以有效且快速地求得问题的最优解或近似最优解,并且拥有更低的时间复杂度。     

一种基于理性遗传算法(RGA)的协调运动行为合成算法

协调运动行为的合成是实现多机器人系统协调运动的关键.本文针对特定环境下的 多机器人协调运动问题,基于调速避碰的思想,借助CMAC神经网络,来描述各机器人的运动行 为与环境状态之间复杂的、非线性映射关系,利用理性遗传算法来合成与优化各机器人的运 动行为,从而实现多机器人已知环境下,运动行为的相互协调与优化.文章讨论了规划算法的 鲁棒性、完备性及时间复杂度.     

面向装配作业的多机器人合作协调系统

分布、自主、协调与合作是多机器人系统的发展趋势 ．本文作者在研究易于协调合作的多机器人系统的基础上,采用分层递阶和多Agent概念, 构造了一个装配系统——MROCAS系统．该系统具有任务自动建模分解,快速重组、良好柔性 、友好人机界面,各机器人具有一定自主能力等特点．它实现了在较复杂环境下快速完成装 配作业．     

多微型机器人系统的协调策略的研究

本文在成功研制毫米级全方位微型机器人系统的基础上,对多微型机器人系统中的机 器人协调方法进行探讨研究．结合微型机器人系统的特点,提出了适合于本多微型机器人系 统的集中 分布协调算法,给出了该协商 协调算法的结构．实验证明该协调算法是简单有 效的．     

基于需求的多机器人决策算法

提出一种基于需求函数的多机器人协作控制算法,在以机器人足球仿真比赛环境作 为平台所做的实验中有效地完成了协作任务,是一种十分有效的多机器人决策方法．     

自适应调整信息素的蚁群算法

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法．基于群体的协作与学 习，该算法已经成功地解决诸如TSP问题等多种组合优化问题．本文提出了一种基于自适应 调整信息素的改进蚁群算法．该算法根据人工蚂蚁所获得解的情况，动态地调整路径上的信 息素，从而使得算法跳离局部最优解．通过仿真实验获得的结果表明，该算法对于蚁群算法 具有较好的改进效果．     

动态仓储环境下的多机器人路径规划方法

针对动态仓储环境下多机器人运动过程中出现的拥塞死锁问题,利用路径长度、转弯数、路径惩罚函数建立小车单任务耗时模型。模型引入阻塞惩罚函数,移除可能发生阻塞的路径增加罚值。同时针对传统遗传算法路径规划操作过程中路径交叉变异导致路径中断不可用的情况,设计重复点交叉算子,在变异操作后检查路径合法性,使算法都是在可行的解空间上进行搜索。仿真实验表明,算法能指导机器人获得动态环境下的最优路径,同时算法收敛速度大大提高。     

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。     

基于多足球机器人协作的组合射门算法

为了提高机器人足球比赛中足球机器人的射门成功率,在分析了基本射门算法不足的基础上,用“盲区”法求出高效射门区,在求出的两个高效区中综合考虑射门角与射门区关系等因素,引入了最佳射门区的概念,并通过选择最优的机器人射门运动路径,结合大力射门算法和基本射门算法,提出了基于多足球机器人协作的组合射门算法。结果表明,用该算法改进射门策略后,射门成功率明显提高。     

多机器人协调操作大型物体的运动学分析及应用

本文研究多机器人协调系统在大型圆筒型工件加工中的应用，提出了基于多个3自 由度移动机器人协调操作工件进行空间6自由度位姿调整系统的结构和协调方法．在刚体小 位移运动模型基础上，建立了系统的运动模型以及逆运动学算法，并给出了满足实时运动规 划的简化算法．最后，通过实例对该算法进行了说明．     

一种基于蚁群算法的车辆导航系统模拟模型

本文提出一种基于蚁群算法的车辆导航系统模拟模型。通过对自然界生物行为的模拟,该系统能够在全局范围内动态确定车辆最优行驶路线,并迅速及时地向车辆提供动态的最优行车线路指引,提高交通系统的质量和效率。