基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.     

基于A*的双向预处理改进搜索算法

本文针对传统A*算法存在冗余路径点较多与单向搜索耗时较长的缺点,提出了一种改进A*算法.该算法采用双向预处理结构减少冗余节点数,并通过归一化处理和增加节点标记信息进一步优化估价函数提高遍历速度.利用仿真软件对改进A*算法进行实验,并与其它经典路径规划算法进行比较.仿真结果表明,改进后的A*算法较于传统A*算法能以较低的搜索节点数和搜索时长较好的完成全局路径规划.     

双向搜索机制的改进A*算法研究

针对大规模环境下传统A*算法路径寻优存在的内存占有率高、计算效率低下的问题,提出了一种改进A*算法。引入了双向搜索机制,以原始起点、终点和对向搜索所处的当前节点作为目标点进行搜索操作,使AGV的路径寻优具备更加合理的方向性;优化评价函数,改进了评价函数的传统计算方式,通过测试为评价函数选择了合适的权重系数,减少路径寻优过程中的冗余点,提升路径寻优的计算效率,节约内存占有率。为了验证改进A*算法的有效性,在Matlab平台中进行编程,在不同尺寸的含障碍栅格地图中进行了仿真。仿真结果表明：改进A*算法在路径寻优过程中所遍历的节点数量较少,搜索过程中的计算效率更高,并且可获得到达目标点的最短路径。     

A*算法在Shortest-Path方面的优化研究

在游戏和地理信息系统开发等领域中,专门针对最短路径搜索方面的优化研究较多,尤其是最短路径中启发式搜索算法中的A*算法的效率优化研究.本文将针对在人工智能或算法研究中的使用的地图大多数是基于任意图而不是网格图的状况,通过任意图与网格图及方向的相结合,提出了三种优化A*算法的启发式函数搜索策略,较好地减小了算法搜索的范围和规模,有效地提高了A*算法的运行效率.最后的实验结果显示,与传统的A*算法相比较,优化启发搜索策略后的A*算法寻径更快速,更准确,计算效率更高.     

A~*算法在地图寻径中的实用性优化

为了提高A*算法在地图寻径中的执行效率,首先深入分析了A*算法在游戏地图中搜索最优路径时影响速度的原因,然后从数据结构方面入手通过引入最小化堆的方法遍历开启列表,引入链表对节点数据结构进行改进等手段给出了A*算法的优化方案并对该方案进行了理论分析,最后通过500个大小不同的游戏地图对改进后的算法进行了测试和评估,实验结果表明改进后的A*算法有效地提高了路径搜索速度,切实可行。     

考虑航线危险天气的动态绕爬路径规划

针对传统的A*算法在对航路上危险天气的路径规划过程中搜索的栅格多、搜索范围大、算法效率低的问题,采用Br-esenham算法对A*算法的底层框架进行优化.在无障碍节点的情况下通过对探索节点的判别使算法探索栅格数量减小,减少无效探索;在有障碍节点的情况下通过对障碍节点周围环境点的探索收集信息选择最优路径,保证运行效率提高.根据A*算法当存在多个最小值时不能保证搜索路径最优的情况,在循环语句中嵌套选择语句分别对不同情况下的阶段性运行结果做出决策,实验结果表明,改进后的算法大幅度提高了算法的运行效率.     

煤矿履带式定向钻机路径规划算法

煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求,而常用的A*算法搜索速度慢、冗余节点多,且规划路径贴近障碍物、平滑性较差。提出一种以改进A*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响,在传统A*算法中引入安全扩展策略,即在定向钻机和巷道壁、障碍物之间加入安全距离约束,以提高规划路径的安全性;对传统A*算法的启发函数进行自适应权重优化,同时将父节点的影响加入到启发函数中,以提高全局路径搜索效率;利用障碍物检测原理对经上述改进后的A*算法规划路径剔除冗余节点,并使用分段三次Hermite插值进行二次平滑处理,得到全局最优路径。将改进A*算法与DWA融合,进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析,结果表明：与Dijkstra算法和传统A*算法相比,改进A*算法在保证安全距离的前提下,加快了搜索速度,搜索时间分别平均减少88.5%和63.2%,且在一定程度上缩短了规划路径的长度,路径更加平滑;改进A*算法与DWA融合算法可有效躲避改进A*算法规...     

基于物流机器人的路径规划研究

本文描绘了物流机器人的路径规划问题。针对标准A*算法的路径规划时间长、计算节点多的问题,提出了在标准A*算法的基础山,使用改进的双向搜索的A*算法。通过使用MATLAB进行仿真和实验平台进行实验对标准A*算法和优化后的A*算法进行了对比,结果表明:改进的A*算法比标准的A*算法进行路径规划的时间更短,并且使用的节点更少。     

基于邻域拓展的静态路径规划A*算法研究

为了解决传统的A*算法搜索自由度低,规划出的路径长度长且转角大的问题,提出了一种改进的A*算法.改进算法将传统的8邻域搜索拓展到24邻域,并利用引导向量优化邻域数量,提升搜索效率;采用路径平滑算法消除路径中的冗余节点,优化平滑路径.在不同障碍率、不同栅格地图等12种模拟场景下的100次有效实验与真实地图下的20次有效实...     

智能搜索技术在管理系统中的应用与研究

采用智能化的仓库管理系统可以大大提高仓库的利用率和效率,从而极大地节省储存环节的费用,提高劳动效率。在对仓库自动化管理系统的关键技术进行了详细分析的基础上,选用A＊算法来寻找最优路径,并根据具体应用情况对A＊算法进行了改进,通过计算与仿真结果分析,验证了改进算法的正确性和有效性,最后将改进算法应用于一个现实的基于web的仓库管理系统中。     

基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

大场景中虚拟车辆自动寻路的高效算法

以虚拟机场中车辆的运动模拟为研究背景,提出一种基于A*算法的高效自动寻路的方法.该方法把寻路问题划分成两个阶段:在第1阶段,全局地图环境采用图搜索空间中的点和线的逻辑组织形式,以满足大场景下寻路的高效率实现和系统分级寻路的要求,第2阶段,局部地图组织采用更细致的栅格表示方法.重点研究了全局寻路的算法实现和改进,并在 .此过程中拓展了A*算法的启发性特点,实验结果表明了该方法的实用价值.     

游戏地图中的分层动态路径搜索算法

在大型游戏地图环境中,玩家必须对动态地形做出即时反应,而动态寻路算法对改变节点的位置非常敏感。为此,结合增量路径搜索(LPA*)算法和分层路径搜索(HPA*)算法,提出一种分层动态路径搜索(HPLPA*)算法。对地图分层形成抽象图,并在动态环境中及时更新,采用LPA*搜索,找到抽象路径再细化,以此形成本地路径。实验结果证明,与LPA*和HPA*相比,该算法更有效。     

基于D*Lite算法的估价函数分析

为提高D*Lite算法在机器人路径规划中的效率,提出3种基于D*Lite算法的估价函数。研究函数的特性及其构造原则,结合Aε*算法的特点,利用估价函数的可纳性约束设计其改进算法。实验结果表明,改进算法能减少扩展节点的数量,提高搜索效率,并保证其解在一定范围内的最优性。     

Vega平台下三维并行A*算法的设计与实现

采用一种并行的A*算法实现了复杂地理环境下低空飞行器的三维路径规划。该算法将A*算法的基本操作设计成并行执行形式,并利用OpenMP将其线程化,结合约束条件,最终完成在三维空间中避开障碍物的路径搜索过程。使用建模工具Creator和开发工具Vega为仿真平台,完成对复杂地形地貌场景的设计,在此基础上对上述算法进行了验证。仿真结果表明该并行方式较之串行方式能获得更快的寻优速度,加速比也随着规模的增大而提高。     

A＊算法在轨道式龙门起重机提箱作业优化中的应用

集装箱翻箱问题是影响集装箱码头堆场机械操作效率的一个重要的因素。为了解决在堆场中应用不同装卸机械所产生的相关问题,本文选取轨道式龙门起重机作为堆场装卸机械,建立以码头堆场机械作业时间最短为目标．满足堆场实际作业要求的提箱优化数学模型。应用启发式算法A＊算法对问题进行求解,并通过对实例的研究,验证A＊算法的正确性和有效性。     

Model of the motion of agents with memory based on the cellular automaton

Abstract

The article is devoted to the construction of the motion model for agents with memory. Agents can be interpreted, for example, as mobile robots or soldiers. Agents move on the landscape consisting of squares with different passability. The model is based on the cellular automaton with one common to all agents layer corresponding to the landscape and many agent-specific layers corresponding to an agent’s memory. Methods for the random landscape generation are developed. The dependence between configuration entropy of the landscape, efficiency of the path-finding algorithm based on the cellular automaton was found. Also, the dependence of the average speed of the agents’ motion on the landscape configuration entropy was shown.     

一种优化Dijkstra算法的研究

阐述传统最短路径算法的优缺点,提出对传统寻路问题的优化算法,旨在解决节点较多网络的最短路径问题。比较优化算法与传统算法的搜索效率,以及优化算法之间的异同,测试表明,优化后的算法在效率方面具有明显的优越性。为了验证算法的有效性,最后给出鲁东大学的一个具体应用。     

一种具有端点方向约束的快速航迹规划方法

传统A＊算法在进行具有端点方向约束的航迹规划时,由于缺乏方向引导而导致效率低下。针对该问题,提出一种动态引导A＊算法。在原有A＊算法的基础上引入动态变化的引导点,给出引导点的设置策略,构造新的代价函数,设计引导点的切换方法。实验结果表明,在进行具有端点方向约束的航迹规划时,通过设置合适的引导点参数,该方法可以规划出从起始点的特定方向出发、并沿指定方向到达目标的飞行航迹,且与传统A＊算法相比,其规划速度能够提高lO倍以上。