基于虚拟子目标点的移动机器入路径规划

传统的反应式路径规划算法有时会出现＂死锁现象＂,为此设计了一种基于虚拟子目标点的移动机器人路径规划算法。首先根据已知的环境信息生成一条连接初始点和目标点的全局路径,移动机器人在沿全局路径行走时通过传感器探测周围的实时环境信息并寻找障碍物的转弯处,然后在该障碍物的转弯处设置虚拟子目标点,根据虚拟子目标点构建局部路径,机器人沿着局部路径走到该子目标点并进入下一个路径规划循环。仿真结果验证了该算法的有效性。     

基于混合蛙跳思想的蚁群算法及路径优化研究

针对基本蚁群算法存在容易陷入局部最优解出现早熟停滞状态的缺点,提出了基于混合蛙跳思想的蚁群算法,并应用于城市交通路径寻优研究。通过引入混合蛙跳算法的全局信息共享和局部深度搜索机制,提高了蚁群算法跳出局部最优解的能力与全局收敛性。以重庆市渝中半岛的路网为实例计算以行程时间为目标的最优路径,实验结果表明该算法有效改善了基本蚁群算法的全局搜索能力,同时为解决城市交通路径寻优问题获得了较好的效果。     

基于粒子群三次样条优化的移动机器人路径规划算法

针对移动机器人路径规划问题,提出了一种基于粒子群三次样条优化的路径规划方法．借助三次样条 连接描述路径,这样将路径规划问题转化为三次样条曲线的参数优化问题．借助粒子群优化算法快速收敛和全局寻 优特性实现最优路径规划．实验结果表明：所提算法可以快速有效地实现障碍环境下机器人的无碰撞路径规划,规 划路径平滑,利于机器人的运动控制．     

采用改进D*Lite算法的自主移动机器人路径规划

针对动态环境下自主移动机器人的路径规划问题提出了改进D*Lite算法;该算法在D*Lite算法的基础上,引入Bresenham画线算法对扩展节点进行可视检测,得到方向任意且避免不必要转折的预规划路径,并建立分辨率高于全局障碍图的局部障碍图,动态存储传感器实时获取的局部环境信息,充分利用局部环境信息实时重规划机器人当前位置到目标点的最优路径,提高算法的规划精度及对动态环境的适应性;仿真实验结果证明,该算法大大缩短了路径长度,并且具有可行性和实时性.     

基于分层道路网络的新型路径规划算法

为了降低路径规划算法的搜索空间，同时使得规划的结果更加合理，提出一种分层路径规划算法．该算法利用道路网络中道路的不同等级特性对路网进行分层处理，构造分层搜索策略，达到加快路径规划速度的目的．结合路径规划算法在实时车辆导航系统中的实际应用，给出了该算法的一个应用实例．实验结果表明，该算法能将路网中任意两点间的最短路径解算时间控制在1s之内．     

改进粒子群算法的三维空间路径规划研究

提出一种自适应混沌粒子群优化算法（SACPSO）用于三维空间路径规划。首先进行三维空间环境建模，并考虑使用路径长度、障碍物危险程度和路径平滑度三个评价函数来制定适应度函数；然后对算法中的三个控制参数提出了一种新的自适应更新策略，以此来动态调整算法的全局探索和局部开发能力；最后当种群陷入局部极值时，利用提出的自适应Logistic混沌映射对全局最优粒子进行混沌优化，引导种群跳出局部极值点。将该算法与其他改进的粒子群算法比较，结果表明，该算法在收敛到全局最优解时所用迭代次数更少，生成路径质量更高，有效地提高了粒子群算法应用于三维空间路径规划时的计算效率和可靠性。     

机器人全局路径规划的混合蚁群系统算法

针对蚁群算法易陷入局部最优的缺点以及收敛速度与局部最优的矛盾,提出一种求解移动机器人全局路径规划的改进混合蚁群系统算法。该算法由两部分组成：Dijkstra算法用于规划出一条次优路径;进一步用改进的蚁群系统算法优化次优路径以获得最优路径。在改进的蚁群系统算法中,首先定义了一种新的启发信息函数来增加种群多样性;然后给出改进的交叉算子避免算法陷入局部最优,并进一步提高解的质量。仿真结果表明：所提出的算法与参考文献中的算法相比搜索效率更高,解的质量更好,性能更优。即使在障碍物复杂的环境中,对于多目标点问题,该算法仍能规划出较好的目标遍历路径,且用时时间较少。     

基于人工势场法与入侵杂草法路径规划研究

针对移动机器人路径规划研究中,移动机器人路径规划易陷入局部极小值,缺乏全局指导性及路径规划效率不高,甚至目的地不可达的问题,这里给出相应的研究方法。通过合理布局超声波探头位置,利用改进人工势场法进行移动机器人的路径规划;对移动机器人陷入局部极小值点的问题,采用入侵杂草算法在全局内有指导性的产生最优子目的地,并根据子目的地重新分配空间内的引力势,引导移动机器人摆脱"陷阱"。Matlab仿真实验表明,本文提出的路径规划算法不仅在一般环境中,而且在相对复杂的环也能引导陷入局部极小值点的移动机准确、安全到达指定目的地。为此算法主要参数选取匹配合理时,可对路径进行优化。该算法在解决局部极小值点的问题具有较高全局指导性。     

改进蚁群算法水面无人艇平滑路径规划

针对水面无人艇的路径规划,首先用仿生学算法对环境障碍物做开运算,提出改进的蚁群算法搜索可行路径得到航路点序列,优化合并没有障碍物的相邻航路点并顺序连接,得到可行且无碰撞风险的全局路径;其次,使用Dubins曲线算法对连接点进行平滑处理,分析其几何特性并找出其不足之处;最后,引入贝塞尔三阶曲线理论对于已经优化过的折线段进行平滑处理,使其在满足最小旋转半径的同时,也满足USV动力学特性,最终得到一条优化可行的路径.仿真结果证明本算法设计的光滑路径在计算复杂度、路径优化等方面都有了较大的提高.     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

双向半序网在两点间最优路径算法中的应用

最优路径搜索是地理信息系统重要的网络分析功能,也是其他网络分析功能的基础。该文在分析最优路径算法的基础上,针对特定两点间的最优路径问题,提出一种双向最优半序网结构,通过双向搜索构建该种双向最优半序网,可快速解得指定两点间所有满足最优条件的路径,并给出相应算法。结合计算实例分析并评价了该算法的运行效率。     

基于数据库的城市道路中最短路径搜索

根据城市交通路网建设的实际 ,研究了描述城市交通网络图的城市道路数据库的组织结构 ,在此数据结构的基础上依靠 GIS技术的支持 ,采集了大量具体道路信息 ,采用 Dijkstra算法实现了快速最短路径搜索。根据城市的交通状况对交通网络图的边值赋予不同的权值可实现最优路径搜寻 ,给出了一个搜索实例——一个包含 6 1个交通路口的最短路径搜索结果的搜索时间约为 1.1s     

基于粒子滤波的一种全局路径规划方法

提出一种基于粒子滤波的全局路径规划方法, 以多段Ferguson样条曲线表示路径确保所得路径光滑且一阶连续. 将最优路径视为真实状态, 将其他路径视为受噪声污染的状态, 从而将最优路径的搜索过程视为状态空间中对真实状态的滤波过程. 以粒子滤波算法依据路径评价函数对状态空间实施滤波获得最优路径, 仿真结果表明该方法实现简单、收敛迅速、且所得到路径光滑, 易于为机器人直接采用.     

基于改进RRT*FN算法的机器人路径规划

针对固定节点数的渐近最优快速扩展随机数算法(RRT*FN)精度低、收敛到最优值速度慢等问题,提出一种改进的RRT*FN路径规划算法,并用于解决二维静态环境下的移动机器人全局路径规划问题.首先,改进算法使用与RRT*FN算法相同的均匀采样方法进行路径搜索,当搜索到一条初始路径时,在之后的路径规划中使用启发式采样方法.在之后的每次迭代中,改进算法在椭圆子集采样方法与路径点邻近区域采样方法中随机选择一种作为当前采样方法.然后,当树中的总节点数达到预设值时,对树中的叶子结点采用加权方法进行删除.通过给予采样区域内的叶子结点更高的权重,从而将采样区域外的叶子结点以更高概率删除,得以保留树中的高性能节点,以便提高算法性能.最后,通过仿真实验验证改进算法的有效性.     

动态拓扑网络最短路径启发式算法

针对动态拓扑网络的最优路径规划中存在的问题,研究了最短路径搜索算法的快速实现技术,提出了一种启发式快速最优路径规划算法.在分析经典迪杰斯特拉最短路径搜索算法和A*启发式搜索算法的基础上,利用椭圆曲线参数设定启发函数初始值,进一步缩小搜索范围.采用二叉堆结构来实现路径计算过程中优先级队列的一系列操作,从而提高了算法的执行效率.仿真试验结果表明该算法具有良好的性能.     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

电力载波通信动态组网算法的研究

电力载波通信网络的不确定性使得其无法用一般的通信组网方法来组建网络,针对这一问题,设计了一种适用于路径寻优的改进遗传算法,该算法能够快速准确的对全局通信网络进行组网。首先通过遗传算法对所有的通信节点和通信路径进行全局搜索; 当通信节点出现故障时利用遗传算法全局寻优的特性进行通信网络的组网,在组网过程中引入图的遍历算法思想和Dijkstra 算法来克服遗传算法易收敛到局部最优解和处理规模小等缺点; 最后根据小生境技术最优保留原则得到最优的组网结果。Matlab 仿真实验验证了该算法的收敛性和可行性,该算法提高了组网的快速性和准确性,能够满足电力载波通信动态组网的实时性和正确性要求,具有一定的实用价值。     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型，因此当计算网络的节点数目较大时，计算的时间将急剧膨胀。为了快速地搜索到最优路径，基于分层网络拓扑结构（HiTopo），提出了双向分层搜索最优路径算法（BHWA）；该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标；（2）在路径计算过程中，使用弧段作为搜索目标，并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上，还提高了路径搜索结果的准确性；通过进一步研究表明，如果使用启发式搜索来对算法进行优化，则可以使算法的速度有更大的提升。     

改进Dijkstra算法在PGIS中的应用

传统Dijkstra算法用于路径诱导会使路网节点的数量增多、搜索范围扩大,从而耗费大量时间和空间,降低停车诱导信息系统(PGIS)的运行效率和实时性。针对城市路网的特定环境和路径诱导需求,根据2点之间直线最短的原理,在Dijkstra算法的基础上,提出一种应用于PGIS、基于矩形搜索范围的改进Dijkstra算法,设计并实现城市路网模型中单行、禁行、交叉点时间延误等问题的解决方案。实验结果表明,改进Dijkstra算法可以减少路网节点搜索范围和计算复杂度,提高用户搜索路径的实时性。