基于A~*与Floyd算法移动机器人路径规划研究

针对移动机器人在静态环境中的特点,为了提高路径规划效率和精度,设计了A~*算法与Floyd算法结合的路径规划。我们根据实际环境,在栅格地图的基础上,利用A~*算法进行初步路径规划,找到了一条可通行的最短路径,此路径存在节点部分折点处比较尖锐、不够平滑,不利于移动机器人行驶。因此,使用Floyd算法对路径平滑处理,简化了路径,并且在拐点处机器人能够更好的调整姿态,满足了路径规划的要求。     

教学建筑室内火灾应急疏散路径寻优算法研究

为解决建筑内人员疏散模拟时间长、效率低、无法根据火灾情况改变疏散方向的问题,提出一种新型的混合路径规划算法。首先,在A*算法中加入奖惩机制并对启发函数进行改进。其次,通过改进斥力函数解决人工势场算法易陷入局部极小值的问题。最后,将两种算法组合,构成一种混合路径规划算法。通过对某教学建筑应用BIM和PyroSim软件进行建模与分析,验证混合路径规划算法的可行性。结果表明,所提算法不仅能够快速找到最优疏散路径,还可以避免疏散路径经过危险区域。与单一算法相比,混合路径规划算法遍历节点个数更少,路径平滑性与路径规划效果更好,路径规划效率更高。     

基于城市路网的最短路径算法研究

最短路径分析是城市路网分析的重要内容之一,本文分析了几种流行的最短路径算法,通过对比其优缺点,得出A~*算法比较适合城市路网最短路径分析的结论。基于常州市武进城区路网数据对A~*算法进行测试,试验结果表明,在时间效率和准确性方面,A~*算法都符合城市路网最短路径分析的要求。     

动态扩散粒子群算法及在机器人路径规划上的应用

针对粒子群算法对高维函数优化性能不佳问题,提出了一种动态扩散粒子群算法,并将其应用于移动机器人路径规划中。该算法通过引进动态调节数,动态的选择粒子的运行轨迹,阻止种群在演化过程中搜索效率降低的缺陷,提高算法的寻优性能,在处理大规模函数优化及移动机器人路径规划方面具有更强的寻优能力及更高的搜索精度。     

基于A*算法的条件道路选择探究

针对目前GPS系统只能设置起点和终点进行路径搜索的问题,文章对A*算法进行改进,为路径搜索功能添加用户期望途径点,令得到的最优路线途经用户的指定地点。改进算法对原本的启发式函数进行调整,加入期望值概念和当前点与途经点的欧氏距离,并将是否通过途径点作为判断条件。结果表明,改进算法可以成功执行,为GPS系统开拓新的功能。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

动态危险天气下改航路径快速规划方法

针对危险天气条件下进场航空器的改航路径规划问题,利用栅格法构建终端区空域模型,从静态和动态2个方面提出危险天气飞行限制区(flight forbidden area,FFA)的划设方法。在引入自适应扩展节点的概念并优化代价函数的基础上,基于A~*算法分别构建静态和动态条件下的改航路径快速规划模型,实现了在危险天气下改航路径的快速、合理规划。以厦门终端区为例的仿真实验表明,该方法在合理规划改航路径的同时,减少了计算复杂度,提升了计算效率,为有效利用空域资源、减少航班延误提供了技术支持。     

基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。