移动机器人路径规划中的蚁群优化算法研究

针对将传统蚁群算法引入到移动机器人的路径规划当中会存在收敛速度慢、效率低下、容易陷入局部最优,甚至出现死锁等缺陷,提出一种改进的蚁群算法,以栅格法建立机器人工作环境,改进信息素的更新方式,设置信息素浓度的阀值,引入死锁处理策略,改进状态转移概率,增加解的多样性。在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明,改进的蚁群算法能缩小对最优路径的搜索范围,降低迭代次数,提高对最优解的搜索效率,能获得全局最优无碰撞的路径。     

蜂巢栅格下机器人导航路径的动态分组蚁群规划

为了减少机器人导航路径的长度和算法运行时间,同时提高算法规划稳定性,提出了蜂巢栅格环境下的动态分组蚁群算法规划方法。分析了方形栅格四叉树和八叉树工作模式的弊端,提出了改进蜂巢栅格的环境建模方法,蜂巢栅格避障时的有效路径比、安全性、转弯角大小、对圆形障碍物覆盖的有效面积比等多个角度均优于传统栅格。参考猫群算法的分群思想将蚁群分为跟踪蚁和搜索蚁,提出了动态分组蚁群策略和信息素的自适应扩散策略,从而给出了动态分组蚁群算法的执行步骤。经过算法的多样性和规划性能仿真分析,动态分组蚁群算法的路径多样性在迭代过程中保持较高水平,在相同环境下动态分组蚁群算法规划的最优路径长度比ACS蚁群算法减少了9.99%,搜索到最优路径时的迭代次数远远小于ACS蚁群算法,且从最优路径长度和迭代次数标准差看,动态分组蚁群算法稳定性好于ACS蚁群算法。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

蚁群优化算法是解决机器人路径规划问题的有效方式。首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径。针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题。该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间。该算法旨在利用负反馈来改善解的多样性,从而获得最优路径。实验结果验证所提改进算法在路径规划问题上有明显优势。     

基于改进蚁群算法的AGV路径规划

针对复杂仓储环境中自动引导车AGV的路径规划问题,提出一种改进型蚁群路径规划算法。首先,通过栅格法建立AGV运行环境,在传统蚁群算法基础上引入方向系数,改进蚁群算法的启发函数,使算法初期在路径选择上具有指向性;其次,加入全局信息素更新机制,以提高算法搜索效率;最后在路径选择过程中引入安全距离判断策略,使AGV在安全距离范围内通过障碍物。仿真结果表明,改进蚁群算法能够快速搜索出最优路径,同时能实现自主避障和避免陷入死锁。     

基于蚁群算法的机器人路径规划研究

蚁群算法是一种全局智能仿生算法,具有较强的鲁棒性和环境适应性,在栅格化环境下适用于机器人路径规划,但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题,提出了路径平滑处理策略,对蚁群算法每次迭代出的最短路径进行了平滑处理,针对每次迭代搜索出的最短路径栅格节点集合,在不妨碍机器人运动的前提下,拉直移动路径或减缓拐弯角度,从而避免不必要的急拐弯。仿真结果表明,加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

清扫机器人路径规划的研究

定位和全覆盖是清扫机器人路径规划的最基本问题.研究了机器人在环境中的相对定位,并采用卡尔曼滤波进行滤波处理,减小误差.研究了基于生物激励神经网络的路径规划算法,通过仿真,发现在障碍物多的情况下重复率较高的问题.对算法进行了改进,提出了一种基于模板的生物激励神经网络的路径规划算法.通过仿真实验,发现算法在减少重复率方面是有效可行的.     

超强启发异类蚁群算法的机器人导航路径规划

为了提高机器人在栅格环境下的路径规划质量,提出了基于超强启发式异类蚁群算法的路径规划方法.建立了机器人工作环境的栅格模型;在蚁群算法基础上,提出了由开创型蚂蚁、守旧型蚂蚁、传统型蚂蚁组成的异类蚁群算法,并通过仿真看出,开创型蚂蚁主导的异类蚁群算法具有最优性能;在信息素更新方面,按照"奖励先进、惩罚后进"的原则,提出了超强启发式信息素更新方法,引导传统型蚂蚁和守旧型蚂蚁快速向开创型蚂蚁搜索的较优路径靠近.经过仿真验证,异类蚁群算法在简单环境和复杂环境下规划的路径均优于传统蚁群算法,且异类蚁群算法寻优稳定性更好,寻优耗时更短.     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

基于改进蚁群算法的桥式起重机路径规划问题研究

通过研究桥式起重机路径规划问题,提出一种改进的蚁群路径规划算法。针对传统蚁群算法收敛速度慢,容易陷入局部最优的缺点,借鉴A*算法和狼群分配原则改进自适应启发函数、信息素更新机制。根据桥式起重机的运行特征,通过运动学动力学分析抽象出两个仿真因子:路径长度和节点数量,提出以路径长度、运行时间和稳定性等性能参数为代价的新的评价标准。栅格环境下的桥式起重机路径规划仿真结果表明,改进的蚁群算法提高算法的收敛速度,避免搜索陷入局部最优,可以得到较优的工程应用路径。     

自适应蚁群算法在轮式机器人三维路径规划中的应用

为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。     

机器人室内路径规划算法的实用性研究

机器人研究领域中的一个关键分支即路径规划技术,本课题在机器人P3-DX实验平台的基础上,通过栅格化建模对室内的环境实现分块。4种路径规划〖CD2〗回字形路径规划、迂回式路径规划、启发式路径规划与包围式路径规划的可行性已经得到验证,为验证4种路径规划的实用性,在真实环境中将这4种路径规划算法进行了实验研究,通过软件将机器人行走后返回的数据绘制出相应的路线图,同时,根据各路径规划算法的路线图的不同重复率与覆盖率,找出效率较高的路径规划算法。     

基于蚁群算法的完全遍历路径规划研究

提出了一种局部区域遍历和全局运动规划相结合的完全遍历路径规划方法;针对基于Boustrophedon单元分解所得区域的特点,机器人可在局部区域内采用往复运动的方式实现遍历.该方法定义了遍历空间中子区域间综合连通距离,综合连通距离包括区域之间的连通关系、区域之间的最短距离、区域之间的障碍物情况等要素,整个遍历空间中的连通关系由一个完全赋权连通矩阵表示.采用蚁群算法对子空间遍历距离进行优化,得到了最短全局遍历顺序.最后以一个模拟环境为求解实例,证明了算法的有效性.     

机器人导航路径的多种群博弈蚁群规划策略

为了降低移动机器人工作路径长度、减少算法迭代次数、提高路径平滑性,提出了多种群博弈蚁群算法的规划方法。建立了机器人工作环境的栅格模型;提出了由1个主种群和2个从种群组成的多种群蚁群算法;将博弈论应用于种群的协同与竞争中,设计了合作博弈机制、奖惩机制、针锋相对机制和协调博弈机制;针锋相对机制和协调博弈机制应用于从种群间的交流与竞争,以帕累托最优为目的提高整个从种群的搜索多样性;合作博弈机制和奖惩机制应用与主从种群之间的交流与合作,使从种群将搜索经验和较优路径片段传递给主种群,从而提高主种群搜索效率和质量。经仿真验证,多种群博弈蚁群算法的路径多样性在迭代过程中保持较高水平;多种群博弈算法规划的路径长度比最大最小蚂蚁系统减小了5.98%,搜索迭代次数和路径平滑性也优于最大最小蚂蚁系统,证明了多种群博弈蚁群算法在路径规划中的有效性。     

改进自适应蚁群算法求解集装箱装载瓦楞纸板问题

集装箱装载瓦楞纸板问题是一个复杂组合优化问题,针对该问题,在满足基本的装载要求和约束条件下,充分利用自适应蚁群算法的强搜索能力和启发式算法对具体问题的针对性,将自适应蚁群算法和启发式算法结合,提出一种改进的自适应蚁群算法,求解出了最优装载方案。对纸板装载问题建立模型,提出目标函数并给出约束条件;根据实际情况提出启发式规则,将其与自适应蚁群算法进行结合;使用实例进行仿真验证。将仿真结果与实际情况进行对比,装载体积率明显提高,证明了该算法能够提高瓦楞纸板装载空间利用率,节省了人力,大大提高了工作效率。