基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。     

基于自适应步长策略的A*算法路径规划优化

针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。     

基于模糊神经网络算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术之一.在研究模糊理论和神经网络的基础上,提出了一种新的算法,即模糊神经网络.模糊神经网络既可以像神经网络那样并行处理、自行学习,又可以像模糊理论处理模糊信息、完成模糊推理功能.采用模糊神经网络来对移动机器人的路径进行规划,充分发挥模糊理论和神经网络的各自优势,从而获得从起始点到目标点的最优路径.在环境信息完全未知且静态的情况下进行了仿真实验,结果表明：该算法效率高、收敛速度快,有效提高了移动机器人的智能化水平.     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

基于光节点模型的PRM路径规划优化算法研究

针对移动机器人存在的使用传统概率路线图算法(probabilistic roadmap, PRM)经过狭窄空间规划路径无解的问题,本文主要对一种模拟光照节点模型的PRM路径规划优化算法进行研究。采用光照方法,将每个节点视为光源,在未照亮的区域生成随机节点,直至光照区域能将起始点和目标点连通,生成无向有权图的边,为了测试优化PRM算法的性能,将其与传统PRM算法进行仿真测试。仿真结果表明,与传统PRM算法相比,优化后的算法可使移动机器人经过狭窄直线通道时采用较少的随机采样点,并且在较短时间内找到一条可行路径。该优化算法减少了路径中的节点数量,提高了路径平滑度和程序运行效率,解决传统PRM算法路径规划无解的问题,缩短了在狭窄直线地图中规划路径的时间,提高了程序运行效率。该研究具有广泛的应用前景。     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

基于波碰撞算法的机器人路径规划研究

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.设机器人作业环境为二维平面大小一定的矩形,机器人行走时原地转向或直线行走.在离散区域上用栅格法,选择任意位置为起始点和目标点,两个搜索波的速度相同,向各方向传播,遍历障碍物,两个波前沿的初始交点为两点间最短路径.本文重点研究最佳的、最容易形成的菱形波+方波和菱形波+菱形波*+方波,当"菱形波+菱形波*+方波"离散搜索波在步长n≤93时,每个第三步长与所研究波级别的最佳波相重合;利用本算法描述地形时,能够与传统可视图法描述相媲美;此外,还给出了任意地形离散波和连续波间差的广义概念.路径规划算法的研究中证明了相关的命题,路径规划的算法经过计算机模拟,证实可行有效.     

改进多步长蚁群算法移动机器人路径规划研究

为改善传统蚁群算法在路径规划中存在的规划路径实用性差、收敛速度慢、易陷入局部最优等问题,提出一种改进多步长蚁群算法.改进算法以移动机器人视野域内所有可直达节点作为下一步可选节点集,采用多步长移动方式以任意方向任意步长寻找下一节点,提高算法寻优效率和路径规划多样性;节点之间初始信息素依各节点与当前节点和目标节点连线的距离采取不均匀分布,降低蚁群在算法初期搜索的盲目性;通过路径长度增大优质路径与劣质路径的信息素更新差距,改进启发函数,提高算法收敛速度.仿真结果表明,改进算法规划路径具有长度短、路径平滑度高、步数少的优点,更符合移动机器人实际使用需求,收敛速度明显加快,路径规划效果提升显著.     

基于D_Star算法的巡检机器人路径规划优化研究

随着施工现场巡检机器人的广泛运用,由巡检机器人与工作空间碰撞造成的问题是导致建筑施工场地产生安全风险的重要因素.避免或减少巡检机器人的空间碰撞问题对降低施工场地的安全风险具有十分重要的意义.论文在施工场地工作空间类型分析和巡检机器人对施工活动的干扰权重分析的基础上,开展了D_Star算法优化研究,提出了一种基于D_St...     

基于改进蚁群算法的移动机器人路径规划

针对大多数路径规划方法所忽视的路径尖峰,以及传统蚁群算法(ACA)易出现的早熟、陷入局部最优等问题,提出一种改进ACA以用于路径规划.首先,在ACA中融入遗传算子,利用交叉与变异操作来扩大解的搜索空间,提升解的全局性.然后,引入简化与平滑操作优化算子,对所寻路径做进一步处理,消除路径中不必要的尖峰,提高其平滑性.栅格环境下的机器人路径规划仿真结果表明,与A*以及传统ACA相比,所提算法能够得到更为平滑的最短路径.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于改进蚁群算法的移动机器人全局路径规划

对已栅格化的机器人运动空间中的障碍物预处理,在蚁群算法原理的基础上,改进了伪随机比例规则,使蚂蚁的下一节点选择更加倾向于目标点,提高了蚂蚁的搜索效率。引入最优一最差蚂蚁思想来更新全局信息素轨迹的强度,增强搜索过程的指导性。为了防止早熟收敛现象的发生,采用最大一最小蚂蚁思想来限制信息素的强度。仿真研究表明：该算法具有高适用性和灵活性,对解决静态路径规划问题是可行的,有效的。     

基于Limit-cycle的机器人动态路径规划方法

移动机器人安全导航是机器人应用在军事领域的关键技术，也是机器人智能化的重要指标．本文采用基于Limit-cycle(极限环)的路径规划方法进行机器人避障，可以有效地避免机器人与障碍物相碰，灵活地应对动态变化的环境，能够实现局部路径规划，在MATLAB仿真平台上验证了该方法的正确性及有效性．     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

基于几何算法的静态环境中移动机器人路径规划的研究

基于Pioneer Ⅱ DXE移动机器人，旨在解决静态环境中移动机器人与障碍物发生碰撞的可能性判断和避开障碍的路径规划。提出了采用几何计算的方法判断机器人和障碍物之间发生碰撞的条件，将基本避开理论和几何算法有机结合起来，获得切线最短路径，提高机器人避开障碍的效率，并通过仿真实验验证该算法的正确性和可行性。     

机器人路径规划方法的研究现状与展望

移动机器人研究中的一个重要领域是机器人路径规划方法,它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划,通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。     

基于双圆弧算法的足球机器人路径规划

基于机器人小车到达定点常用Turn-Run-Turn方法及PID方法的不足,利用双圆弧具有满足任意端点及其斜率要求的特性,来解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.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.     

基于余弦算法的足球机器人路径规划

在分析基本算法不足的基础上,提出了机器人的路径规划方法,利用余弦曲线具有光滑、可微的特性,实时、有效地解决机器人避开障碍物从给定点到目标点找到一条最优路径规划问题。仿真试验表明：提出的方法具有较强的路径规划能力,计算量非常小,具有较高的实用价值。