基于出行者行为特性的自适应最优路径评价

在分析了影响出行者路径选择因素的基础上，考虑出行时间、出行距离、拥挤程度和通行费用等因素的综合路阻为最优路径标准，依据层次分析法（AHP），提出了一种适合车辆导航系统最优路径的评价方法。     

GPS路径寻优算法的研究

本文主要研究了车辆导航系统及一种路径寻优算法--方向搜索算法。针对地理信息系统中特定的两点路径寻优问题,提出一种方向优先的快速搜索算法。该算法在路径搜索过程中,首先搜索与前进方向更加接近的方向,可以在搜索的早期找到最短路径,从而在以后的搜索中剪去更多的节点和分支,提高最优路径的搜索速度。     

基于HPCVRP的多目标热轧计划排程研究

针对目前钢铁热轧计划排程中未考虑板坯间电耗变化而造成能耗较高问题,建立基于混合奖金收集模式车辆路径问题(Hybrid Price Collect Vehicle Routing Problem,HPCVRP)的多目标优化模型。针对最小轧制计划数量、工艺规程、吨钢电耗等目标,采用过滤器方法处理热轧模型约束,通过改进的可行性优先粒子比较准则进行最优粒子选择,结合过滤器拥挤距离及拥挤向量机制控制外部档案数量并更新全局最优值,构建过滤器方法的多目标粒子群算法(Filter-MOPSO,FMOPSO),仿真结果表明可以获得良好的Pareto优化前端。最后与人工结果相比,所提算法和模型能够有效解决热轧计划排程问题,为热轧计划编制人员提供良好的决策支持。     

基于深度Q网络的多起点多终点AGV路径规划EI北大核心

自动引导小车(AGV)在工厂中承担不同节点之间的物料运输工作,在考虑全局路径最优的情况下需要对AGV进行多起点多终点的路径规划。针对现有深度强化学习算法研究多考虑单起点达到单终点的路径规划情况,涉及多起点多终点的情况时泛化性能较差的问题,提出一种基于深度Q网络(DQN)的AGV全局路径规划求解模型。首先通过改进算法的输入的AGV状态和改进奖励函数的设置提升算法收敛的效率;再利用改变训练初始点位置的方式提升数据的丰富度和模型对环境的感知程度,并以此提升模型对不同起点单个终点环境下路径规划的泛化能力;最后在训练过程中插入不同终点下AGV的状态数据,以获得模型对多终点路径规划的能力。通过在不同规模环境下的仿真与A^(*)算法和快速扩展随机树算法的对比实验和模型的扩展性实验,验证了该方法在多终点情况下的路径规划能力。     

面向模型局部搜索的最短路径集最优匹配方法

为实现边界表示模型的局部搜索,提出一种将模型属性图局部结构比较问题转化为属性图最短路径集最优匹配问题的方法。为获得属性图的最短路径集,给出一种可以生成两两节点间所有最短路径的算法;为实现查询模型与备选模型对应的最短路径集之间的最优匹配,将离散粒子群优化算法引入模型搜索领域,提出面向最短路径集最优匹配的算法,定义了相应的基本运算规则、适应度函数、终止条件和算法步骤。模型搜索实验结果表明,所提算法可以解决如何获取模型局部结构对应关系和计算局部结构间距离的问题,从而有效地支持模型的局部搜索。     

两端式同轨双车运行模式的货位分配策略EI北大核心CSCD

针对大型工业立体仓库因巷道纵深过长普遍存在存储效率低的问题,提出两端式同轨双车的运行模式,并以存储效率优先原则、结构稳定性原则为评价标准,建立了适用于同轨双车运行模式的货位分配模型。设计了3种多目标生物地理学优化算法,构建了集成多目标生物地理学优化算法获取符合货位分配模型的最优解集,实现了该模式下的货位优化。运用MATLAB进行仿真,结果表明集成多目标生物地理优化算法比3种多目标生物地理学优化算法及标准遗传算法均具有更好的收敛性和搜索效率,可以有效解决两端式同轨双车运行模式下任意规模的立体仓库货位分配问题,且性能稳定,对提高大型工业立体仓库的存储效率及其结构稳定性具有一定的理论指导和应用价值。     

带时间窗的多中心半开放式车辆路径问题

针对多中心协同配送下的车辆路径问题,建立了总成本最小化模型,所建模型满足多中心、多需求点和半开放式的特征。考虑到问题的复杂性,设计了一种三阶段求解算法:将K-mediods聚类算法用于原始数据分解,将原规模较大的多配送中心路径问题转换成多个单配送中心路径问题;设计了改进多蚁群算法来求解单配送中心路径问题,得到初始方案;在调整阶段,利用节约算法优化初始方案。分析了算例,并同其他文献的算法求解结果进行对比,结果表明,所提算法比GA-ACO算法求解得到的单中心配送最优路径值减小32.16%,总成本减小30.42%;比狼群算法解得的最优路径值和总成本均减小8.99%;比蚁群算法求得的最优路径值减小24.76%,最小配送成本减小3.40%,从而验证了所建模型的合理性和所设计多阶段算法的有效性。     

基于有向加权网络模型的复杂产品多源设计变更传播路径优化

提出一种基于有向加权网络模型的复杂产品多源设计变更路径优化方法。首先,以零部件为节点,零部件之间的物理连接关系为边构建复杂产品结构的有向网络模型。采用Linkrank算法计算零部件连接重要度,考虑节点出度和入度定义变更传播指数,进而结合设计任务执行时间及变更传播概率计算变更传播强度(Change propagation intensity, CPI),并以此作为边的权重,建立变更分析网络模型。其次,选取多个零件作为多个变更源,通过改进的蚁群算法对复杂产品多源设计变更搜索累积变更传播强度最小的最优传播路径。最后,以某型号直流电钻行星轮齿轮箱多源设计变更为例验证了方法的可行性和有效性。     

供应链最优供需路径的演化计算求解方法及其应用

在分析多企业协同生产主要特点的基础上，建立了基于企业关键绩效指标度量的供应链供需路径优化模型，提出一种协调优化和多目标优化相结合的联合计划与控制模式，给出了供需最优路径的演化计算求解算法。结合实际的供应链典型应用环境，实现了基于演化计算求解的供应链联合规划管理系统，并通过实验与应用分析验证了方法的有效性。     

带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法

为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。     

求解多车场累积时间车辆路径问题的Memetic算法

在应急救援车辆路径优化问题中,为了及时救援,缩短所有受灾点的总等待时间,提出了多车辆车场累积时间车辆路径问题。它是多个车场通过多个运输车队,使所有受灾点等待时间总和最短的运输问题。针对该NP难问题提出了一种Memetic算法求解。先用改进的最优切割算法MDVRP-Split将受灾点分配至各车场,通过选择、交叉及局部搜索得到最优路径。标准算例的测试结果表明,提出的算法注重了求解质量与求解效率的平衡。     

立体仓库多机器人协同路径规划与冲突消解

针对立体仓库中多机器人协同路径规划问题,建立了一个具有最优作业时间和能耗的多目标路径规划模型.采用分治-协作策略将多机器人路径规划问题分解为多个单机器人路径规划子问题.在路径规划中,采用改进的蚁群算法对每个机器人的初始路径进行规划.基于时空协同约束,采用协同迭代优化策略,提出了多蚁群协同进化算法.针对路径冲突问题,设计了一种动态优先级冲突消解策略,有效地解决了多机器人冲突问题,找到了最优路径组合.仿真结果表明,该方法能有效提高多机器人的协同搬运效率,降低能耗并缩短搬运时间.     

考虑层间停光的废旧机械零件多区域多层激光熔覆路径规划

激光熔覆是实现废旧机械产品广义生长的关键技术之一.层间停光时间对激光熔覆后产品组织特性和力学性能有重要影响.在分析熔覆层整体硬度与层间停光时间和熔覆层数关系的基础上,建立最高熔覆区域硬度条件下最佳层间停光时间与熔覆层数的数学模型.综合考虑最佳层间停光时间和激光逐层扫描路径,制定熔覆头空行程移动路径挑选规则,建立多区域多层激光熔覆路径规划模型.提出一种改进蚁群算法对模型寻优求解,采用多层整数编码方式,克服不同区域不同熔覆层编码混乱的问题;提出路径选择策略并引入激励函数,避免算法在运算初期出现局部最优现象;改进信息素分配机制,以提高运算收敛速度和准确性.通过方案的对比仿真,验证模型的正确性;将改进算法与传统算法寻优结果进行对比,验证改进算法的有效性和优越性.     

受路网和测量约束的变电站巡检机器人路径规划

采用机器人对变电站高压线路测温可以大大提高日常巡检任务的智能化水平,但是巡检过程中存在路网限制和频繁启停能量消耗大等问题,须考虑最优路径与最佳测温停靠地点的相互制约性。为了解决上述问题,基于图论对变电站环境进行建模,通过分析巡检机器人在路网中对目标点测温时相机的位姿约束,建立了以时间消耗最小为目标的路径规划模型。提出了一种基于改进蚁群算法的路径优化方法和基于贪婪思想聚类的巡检停靠点选取方法,通过蚁群算法迭代获得机器人的最优巡检路径、巡检停靠点序列以及各停靠点对应的测温点集。最后,采用仿真案例验证了算法的可行性和鲁棒性,基于巡检机器人的实验结果表明该路径规划模型可用于变电站巡检。     

动态修改路径的多机器人路径规划

为了实现在动态环境下多机器人无碰撞运动,提出一个动态修改路径的两阶段协调方法。首先,建立了动态路径修改的多机器人协调框架。在动态路径修改的第一阶段使用A~*算法搜索每个机器人在静态障碍物下优化的无碰撞路径;第二阶段采用增量式A~*算法搜索动态环境下的可行路径以提高搜索效率。针对发生的冲突,综合考虑规划时间和路径长度两个因素,建立的路径修改顺序模型,选择最优的修改路径。最后,实例验证了该方法的有效性。     

基于融合任务规则优先级蚁群算法的多AGV路径规划实现研究

蚁群算法所具备的合作搜索能力被广泛用于寻找单台AGV最短路径,却不适用解决现实情况中多台AGV同时使用的问题,为此提出了融合任务规则优先级的蚁群算法实现多AGV路径规划,用于解决现实问题中多台AGV同时使用而且存在多种碰撞冲突的情形。通过将AGV运行的路径环境进行建模等针对性措施,把蚁群算法引入到AGV路径规划的现实问题中,然后考虑多AGV路径规划可能存在的不同碰撞冲突类型,并考虑不同AGV拥有不同的任务优先级的现实情况,提出了避免AGV碰撞的策略,形成了基于融合任务规则优先级蚁群算法的多AGV路径规划算法。通过仿真实验结果,证实所提出的算法可以避免多台AGV之间的路径冲突,同时利用了蚁群算法寻求最优路径的能力,改进后的蚁群算法能够用于多AGV路径规划的实际场景中。     

基于平滑A*算法的6×6轮式车最优路径规划

针对传统A*算法规划的路径并非最优路径,存在转折次数多、折线多、长度大、不易于移动机器人的运动控制及路径跟踪,本文提出了一种在栅格化环境中,基于平滑A*算法的最优路径规划方法.首先采用A*算法生成目标序列点,除去初始节点,依次屏蔽每个子结点,进行多次搜索比较,选择最短路径序列点,然后循环遍历路径中的所有点,当某一节点前后节点之间的连线不存在障碍物时,删除中间节点,并采用对称极多项式曲线对路径转折处进行平滑处理.该方法生成的路径最短且平滑,易于实现移动机器人运动控制及路径跟踪.仿真结果表明了该算法的有效性.     

一种有效的移动机器人行为融合避障方法

移动机器人避障路径规划问题一直是移动机器人自主导航问题的关键。现有的避障路径规划算法多数针对某一指定目标寻优过程,经常出现为了获得最优解或最优路径而导致死锁或震荡现象。引进多目标优化理论,提出一种基于动态区间权重的多目标优化避障算法,该算法把避障过程划分为3种动作行为融合过程,通过赋予行为函数不同的权重,实时动态改变不同动作行为的输出比率。不是获得当前时刻最优解或最优路径,而是仅获得当前时刻的最有效解、最满意路径。从理论上分析并证明多行为输出避障导航系统的有效性和鲁棒性。试验表明该算法可以在确保移动机器人避障过程的实时性和鲁棒性前提下有效地提高避障过程的灵活性和安全性。     

基于改进预瞄跟随算法的电动车智能转向控制

提出一种基于改进的预瞄跟随驾驶员模型的电动汽车智能转向控制策略。借鉴驾驶员预瞄跟随模型提出转向控制方法,并对预瞄跟随算法进行改进,提出一种新的预瞄点搜索算法,确保预瞄点落在预期路径上,避免由于路径转弯曲率过大导致电动汽车脱离路径。结合考虑稳态响应的影响,提高转向控制策略精度。利用多领域建模软件Dymola,结合电动汽车动力模型、路径模型,对该转向控制策略进行仿真。仿真结果表明应用该策略的电动汽车具有良好的路径目标跟随精度。     

一种基于排队论的关键流路由调整算法

在分析现有路由调整算法的基础上,提出一种基于排队论的关键流路由调整新算法(KFRA)。首先,应用排队论建立最优流分配模型,模型既给出最优流分配的计算方法,也给出路径的最优流分配与各路径最大可用带宽之间的关系。然后基于模型实现KFRA算法,其计算复杂度为O(nlogn),低于大部分路由调整算法。理论分析和仿真实验结果表明在不同的网络环境下,提出的算法能在保证时延的基础上对待调整的流进行全局最优分配,最小化流传输的端到端时延,提高流传输的质量,与同类算法相比有更好的性能。