基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

基于改进蚁群算法的立体仓库三维空间路径优化

拣货作业作为在制造企业仓储系统中重要环节,其工作效率直接影响整个仓储系统的运行速度和工作成本.首先基于现有蚁群搜索算法,研究了将原有的二维平面搜索路线空间扩展到三维空间的改进蚁群算法;其次对改进蚁群算法进行仓储三维空间路径优化研究,针对现有仓库货架模型,将蚁群算法中两点间的直线路径转化成水平与垂直的折线路径将概率模型与禁忌表方法加入到改进蚁群算法,避免局部最优解的情况;最后将改进蚁群算法与其他代表性优化算法比较.实例验证结果表明,改进蚁群算法方法能有效地提高在仓储系统三维空间内路径规划的效率与速度.     

改进蚁群算法的变电站群机器人路径规划研究

群机器人提高了单个机器人的工作效率,同时群机器人协作路径规划是保障机器人之间能够安全运行的前提,对此提出了一种基于改进蚁群算法的路径规划研究,是在蚁群搜索路径时产生个别蚂蚁开辟没走过的道路,采用分块式的格局让机器人在变电站巡检更少的触碰,利用改进蚁群算法在变电站中规划一条总路径最短的有效路径。所提出改进的蚁群算法提高了传统蚁群算法的搜索能力,明显改变了传统算法的局部性调整,而且在搜索过程中体现改进蚁群算法对机器人路径规划的有效性。     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。     

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。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

轮式机器人路径规划的改进蚁群算法

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

准三维机器人路径规划的改进蚁群算法

机器人在荒野物资运输和山地自由行走时,需要在山地表面规划出行走路线,为此提出改进的蚁群算法加以求解。根据坡度提出避障规则,在满足避障约束条件下,合理增加路径的多样性;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使机器人尽量沿着起点和目标点之间的最短路径行进;依据实时路径长度,动态调整挥发系数,以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较,实验结果表明改进蚁群算法的有效性优于原始蚁群算法。     

An improved ant colony algorithm and its application in optimal routing problem

Ant colony system(ACS),a kind of ant colony algorithm,is an effective way of solving shortest path problem,however,it has some defects.In this paper,ACS is improved for avoiding getting stuck in a local minimum,whose defects mainly include the following two aspects:initial pheromone solution and pheromone updating.In order to learn the advantages of improved ant colony system(IACS),experiments are conducted for some times.First,it is applied to 8 traveling salesman problem(TSP)instances,and compared with three self-organizing map(SOM)algorithms.Then the author analyzes the space complexity and convergence of two algorithms and compares them.Simulation results show that IACS has much better performance in solving TSP,and it has certain theoretical reference value and practical significance.     

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。     

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。     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。     

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。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

机器人路径规划方法的探讨及应用

机器人要实现其自主化运动,路径规划是其核心技术.文中对比分析了不同路径规划方法的优缺点,提出了基于遗传算法和蚁群算法的智能路径规划法,并在此基础上进行机器人足球比赛试验,结果表明智能路径规划法能提高机器人的行动速度和目标捕捉.     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。     

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*