基于正反馈自适应遗传算法的机器人路径滚动规划*

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,将蚂蚁算法、模拟退火算法、滚动规划和遗传算法相结合,提出了一种新颖的基于正反馈自适应遗传算法的滚动规划。仿真实验表明,即使在复杂的未知环境下,利用本算法也可以规划出一条全局优化路径,且能安全避碰。     

基于关键链遗传操作的机器人路径规划

针对复杂环境下遗传算法规划路径难的问题,提出一种基于关键链遗传操作的机器人路径规划方法。将回退策略和禁忌策略与启发式邻域搜索相结合保证路径的可行性。通过提取初始可行路径中的关键链,降低算法所需存储空间及计算代价。对关键链进行局部自适应变异和交叉操作,增强算法的优化能力。实验结果表明,该方法能有效地规划复杂环境下的机器人运动路径,算法性能优于同类算法,规划时间可满足实际应用需求。     

基于改进遗传算法的狭窄空间路径规划

针对室内或地下等狭窄而复杂环境下的移动机器人全局路径规划,提出了一种基于Dijkstra算法的改进遗传算法路径规划策略,以解决传统遗传算法在狭窄环境下难以有效初始化的问题。首先借助Dijkstra算法得出基准路径,然后以此基准路径为基础,通过改进的编码方式与搜索空间进行初始种群的编码,最后通过遗传算法获得最优路径。提出了全局通行度和路径安全度的概念,用来评估当机器人不可视为质点时的环境状态与路径优劣。仿真实验结果表明,与传统遗传算法和人工势场法相比,本方法在保证路径距离较短的情况下,能使路径安全度提高50%以上,或者将时间复杂度降低一半以上,表明了所提方法的实用性和有效性。     

移动机器人路径规划方法研究

针对室内动态非结构化环境下的移动机器人路径规划问题,提出了一种能够将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合的路径规划方法．全局路径规划器采用A*算法生成到达目标点的子目标节点序列;局部路径规划器采用改进的人工势场方法对子目标节点序列中相邻两节点进行路径平滑和优化处理．在考虑了移动机器人运动学约束的前提下,该方法不但能够充分利用已知环境信息生成全局最优路径,而且还能及时处理所遇到的随机障碍信息．仿真研究与在室内复杂环境下的实际运行结果验证了该方法的有效性．     

移动机器人路径规划的仿真研究

研究移动机器人路径优化问题,由于移动机器人寻优中存在定位稳定性和避障准确性问题,机器人路径规划不仅找到一条无碰撞、安全的移动机器人路径,而且要求路径尽可能最短。传统单一栅格法和遗传算法搜索最优路径效率低,难以全局最优路径。为了获得机器人全局最优路径,提出一种栅格法和混沌遗传算法相融合的移动机器人路径规划方法。首先采用栅格法对移动路径进行规划,作为遗传算法的初始种群,采用遗传算法进一步寻找最优路径。最后对移动机器人路径规划进行仿真,结果表明,混合算法可以很好地避免障碍物,快速找到一条机器人最优移动路径,十分适合于复杂环境路径规划。     

面向救援任务的地面移动机器人路径规划

由于救援机器人处于复杂环境中,面向紧急救援任务的实时性要求较高,因此,救援机器人的路径规划技术在整个救援过程中发挥着十分重要的作用．针对复杂环境条件,用多边形表示障碍物,设计了一种基于障碍物编码的遗传算法,进行路径规划．与以往的基于顶点编码的方法相比,该方法对障碍物复杂不规则的情况适应性更强,同时也缩减了解搜索空间,提高了算法的效率,增强了路径规划的实时性．通过异构多机器人联合救援模拟实验验证和分析,表明所提出的方法能够使机器人避让复杂环境中不同类型的障碍物,实现高效实时的路径规划,可操作性强,可以推广应用于实际救援系统中．     

蚁群算法在机器人路径规划中的应用研究

针对传统机器人路径规划方法无法保证寻找全局最优路径的问题,本文提出了一种基于蚁群算法求解机器人路径规划的方法.在此基础上构建了移动机器人路径规划模型,并通过Visual C 6.0进行仿真.结果表明该算法能够在动态和静态环境中迅速找到机器人的最优路径,与基于遗传算法的路径规划方法相比具有较大的优势.     

遗传算法在移动机器人路径规划中的应用

移动机器人的路径规划是机器人研究的重要领域。文中旨在研究遗传算法对于机器人路径规划问题的适用性。对于路径规划的目标,提出了基于路径长度、路径平滑度和路径安全度等因素综合衡量的方法,并在传统的遗传算法的交叉、变异操作的基础上,针对路径规划问题的特点,增加了捷径寻找、障碍避让、平滑优化等方法。实验表明,此算法在存在形状复杂的障碍物的静态环境中表现良好,其效率与准确性皆满足机器人路径规划的要求。     

车辆导航系统最优路径规划研究

最优路径规划是车辆导航系统中的关键技术之一,它提出了一种基于遗传算法的车辆路径规划方法.采用变长度整数编码的染色体表示路径,设计了适合于最优车辆路径问题求解的遗传算子,给出了适应度调整函数.试验结果表明,遗传算法较好的满足了车辆导航系统实时性和实用性的要求.     

大规模真实地形数据中的全局路径规划方法——基于遗传算法的研究

对基于遗传算法进行路径规划的方法进行了研究，重点在于解决基于真实数据据集进行路径规划时间问题的可解性及提高求解效率，与以往的一些方法的不同之处在于：一方面规划的数据集是根据大规模真实的地形数据构建的，其中包括高程数据和表示各种景物的文化特征数据；另一方面在遗传算法提供了全局求优的机制下，在染色体的编码，初始群体的产出和各种遗传算法中加入了相关的知识，使得该算法具有较好的求解局部问题的方法，提出了遗传算法求解实际的路径规划问题的能力和效率。     

基于改进蚁群算法的水下无人机路径规划研究

为实现水下无人机在水域中自主作业的功能,对其设计一套合理的路径规划方案是非常有必要的。蚁群算法针对水下无人机路径规划方面有着非常好的效果,拥有不错的鲁棒性,但是传统的蚁群算法在解决路径规划问题时很容易出现局部最优解的问题。以传统蚁群遗传算法理论为根据,对其进行添加目标引导素、构建精英蚂蚁体系、更新信息素浓度这三方面的改进,使用栅格法构建水下环境分析模型,并以最短的路径为目的,规划一条从初始状态到目标状态的无碰安全途径,运用仿真的办法展开验证。结果显示：相较于传统算法,改进后的算法在求解速度和全局求解能力上有较大的优势。     

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。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

改进布谷鸟搜索算法在多机器人任务分配及路径规划中的应用

针对多机器人任务分配及路径规划问题,提出一种改进布谷鸟搜索算法求解多机器人任务分配及路径规划方法。根据任务点的环境信息和在其中寻找最佳机器人位置建立数学模型,并使用改进布谷鸟搜索算法求解任务分配及路径规划。改进的策略中融合了遗传算子、2-opt、模拟退火算法的Metropolis准则和插入、交换、逆序方法。不同规模的仿真实验表明,该方法能有效实现多机器人任务分配及路径规划问题,并为多机器人的续航能量提供科学依据。     

基于混沌反控制的动态路径规划研究

针对移动机器人在动态环境中常遇到的非最优路径问题,提出了基于混沌反控制并具有一定预测能力的路径规划算法。算法结合神经网络和距离传播模型,无需先验知识并且能适应动态不确定环境。通过在关键位置控制机器人进行混沌运动,可以减少等距情况下随机选择所造成的非最优路径出现的几率。在目标振荡运动且速度快于机器人的情况下,通过分析目标的轨迹和方向可以预测目标的短期运动趋势,进而实现有效追踪。仿真结果表明该算法对于减少非最短路径和路径中的尖点具有一定的作用,对于追踪速度较快的目标也有较大的成功率。     

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．     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

移动机器人路径规划与环境绘图

由于双圆弧具有满足任意端点及其斜率条件的特性，所以非常适合于移动机器人路 径规划问题．本文利用双圆弧来处理机器人在给定环境中的路径规划问题，并由此得出机器 人的路径规划策略及其跟踪控制算法．同时，利用双圆弧实现对拐角、多边形等特征地形的 逼近和复原，提出了机器人对未知环境的勘测及绘图算法．该方法简单有效，对机器人初始 条件不加限制，计算量非常小，具有较高的实用价值．