遗传混合算法路径规划研究

遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。     

基于遗传算法的医药配送路径规划

在物流配送业务中,存在许多优化决策的问题,该文只讨论物流配送路线规划问题。该文主要以医药物流配送为研究对象,将现实的地理网络抽象为便于计算机实现的抽象的点线网络。论文中选择了基于遗传算法作为该网络模型的分析算法的基础,并对配送线路进行了规划。     

ACR原型系统的全局路径规划遗传算法研究

ACR(物品自动运送机器人 )的全局路径规划是一种特殊而又典型的机器人路径规划问题, 可转化为一种TSP问题. 通过深入分析问题自身特性并辅以大量的仿真实验, 对遗传算法的选择、交叉、变异等操作及其相关参数作了深入细致的优化, 同时将“进化逆转”操作引入标准遗传算法框架中, 最终获得了一种性能良好的全局路径规划算法. 仿真结果表明, 此算法可在较短时间内求得最优解或准最优解.     

面向耗材节省的三维打印路径规划算法研究

为降低三维打印（three-dimensional printing,3D）耗材费用并进一步提高打印效率,给出一种面向熔融沉积制造的三维打印路径规划算法。该方法综合考虑打印耗材、打印效率以及打印表面质量等因素,通过网格模型及其支撑的相邻层片轮廓关系求得可稀疏打印区域;基于多边形扫描线算法以及多边形单调链关系,得到能够连续打印的路径区域;最终通过区域路径稀疏化得到改进的打印路径。通过复杂网格模型的三维打印路径规划实例,验证了算法的有效性。该算法能够降低打印耗材数量,并进一步提高打印效率。     

多边形Voronoi图填充算法在3D打印中的研究

为了解决3D打印路径填充往复扫描时模型外壁发生形变、减少打印机喷嘴空驶及减少打印变加速次数,人们引用Voronoi图理论进行层面路径规划.这种方法现在在简单多边形的路径规划中已得到很好的应用,但是在对复杂度较高多连通多边形路径规划上容易产生大量的数据冗余.为了解决这些问题,结合利用图像分割边缘化处理技术,对构造复杂度较...     

改进Q学习的薄壁结构3D打印路径规划

3D打印是一项先进的制造技术,通过优化其中路径规划方案可以提高效率或成型质量。由于用于3D打印路径规划的传统方法在打印复杂薄壁结构时效果不佳,该文结合强化学习的智能性,提出了一种适用于复杂薄壁结构的路径规划方法。基于3D打印中的路径规划是填充任务,将强化学习中的路径规划任务转换为全遍历问题。为提高打印效率和成型质量,以最小化打印总成本为优化目标,根据优化目标设计强化学习中的约束条件,即最小化打印头的启停和转弯次数。建立单层切片的仿真环境,采用带有上述约束条件的Q-learning算法,通过计算总成本的值来引导学习,寻找最优路径方案。实验结果表明,该方法在打印复杂薄壁结构上的表现优于用于3D打印路径规划的传统方法。     

基于故障概率的配电设备排查路径规划

配电系统设备种类繁多,故障概率较高,且作为直接面向用户的电网层级,发生故障对电力用户影响最大。然而,在配电系统实际故障发生时,故障点往往难以准确定位,仅被限定在某一区域内,且不同设备间故障概率存在差异,为故障排查工作带来了不小的困难。为解决配电系统故障情况下排查路径最优化的问题,保证排查工作的及时性和准确性,本文综合考虑排查时间的最小化以及大故障概率设备的优先性,以经典的旅行商问题为基础,考虑不同设备故障概率的差异,对求解方法作出优化改进,建立了基于故障概率的配电设备排查路径规划模型,并选择遗传算法对模型进行求解。最后,以某配电系统为例对设备排查路径进行规划,验证了模型及算法的有效性和实用性。     

基于蚁群算法的多AUV路径规划仿真研究

多AUV路径规划是一种典型的带约束组合优化问题,如果采用传统的方法求解效果并不理想.蚁群算法是对自然界中蚂蚁在寻找食物过程中所表现出来的智能行为的一种模拟,它非常善于处理带约束的大规模复杂组合优化问题.应用蚁群算法结合TSP问题来为一群AUV进行路径规划,寻找最短且安全的路径.算法分为两部分:1)路径优化:使所有AUV的总路程最小化;2)路径校核:检查是否存在潜在的静态或动态碰撞.最后以三个AUV的情形为例对算法加以了验证,仿真结果表明该方法耗时短、效率高,为求解多AUV路径规划问题提供了一个高效解决方案.     

基于遗传算法的多人旅行商问题求解

旅行商问题是一个经典的XP完全问题,多人旅行商问题的求解则更具挑战性。以往对求解多人旅行商问题的研究局限于以所有成员路径总和最小为优化标准,面对以所有成员路径最大值最小为优化标准的另一类多人旅行商问题却未加注意。文章给出了这两类多人旅行商问题的形式化描述,探讨了利用遗传算法求解这两类多人旅行商问题的基本思想和具体方案,进行了仿真实验验证。仿真实验数据表明,这是一种高效而且适应性强的多人旅行商问题求解方法。     

仓储物流机器人批量拣选路径规划仿真

针对仓储物流机器人在拣选作业过程中难以进行高效实时的路径规划问题,提出一种有效的解决方法。首先,根据拣选作业的需要建立一个灵活的仓储空间模型并对拣选作业任务流程进行描述。其次,根据批量拣选作业任务的特点,建立以路径总长度最小为优化目标的旅行商问题的数学模型。再次,提出改进的自适应遗传算法解决旅行商问题。最后,在考虑路径转折角代价的前提条件下,提出改进的A*算法,并与改进的自适应遗传算法相结合实现批量拣选的路径规划。仿真结果表明,该方法具有较快的收敛速度、较小的平均路径长度以及较少的算法运行时间,能很好地适应机器人批量拣选路径规划的要求。      

基于莱维飞行粒子群算法的焊接机器人路径规划

焊接机器人在工业上被广泛应用,焊接的任务规划直接关系到制造效率的提高.点焊机器人路径规划在仅考虑路径长度时可以简化为焊接顺序的优化问题,即旅行商问题.考虑到旅行商问题是NP完全问题,且是离散问题,提出一种结合莱维飞行的粒子群算法并对其进行离散化以求解此类路径优化问题.焊接机器人路径规划仿真结果验证了所提出方案的合理性和可行性.     

基于离散灰狼算法的喷涂机器人路径规划方法

针对目前用于复杂结构实体喷涂的机器人路径规划方法存在的效率低、未考虑碰撞以及适用性差等问题，提出一种用于求解多层决策问题的离散灰狼算法，并把该算法用于该路径规划问题的求解。为了将连续域灰狼算法改为用于求解多层决策问题的离散灰狼算法，采用矩阵编码方法解决多层决策问题的编码问题，提出基于先验知识与随机选择的混合初始化方法提高算法求解效率和精度，运用交叉算子与两级变异算子定义离散域灰狼算法的种群更新策略。另外，运用图论将喷涂机器人路径规划问题简化为广义旅行商问题，并建立了该问题的最短路径模型和路径碰撞模型。在路径规划实验中，相较于粒子群算法、遗传算法和蚁群算法，提出的算法规划的平均路径长度分别减小了5.0%、5.5%和6.6%，碰撞次数降低为0，且路径更平滑。实验结果表明，提出的算法能够有效提高喷涂机器人的喷涂效率，以及喷涂路径的安全性和适用性。     

基于改进PSO算法的WSN移动Sink路径规划算法

尽管基于汇聚节点(Sink)的移动可缓解无线传感网络(Wireless Sensor Network, WSNs)的能量空穴,但规划汇聚节点的移动路径是一个复杂问题。为此,提出基于改进PSO算法的WSN移动汇聚节点路径规划算法(Improved Particle Swarm Optimization- based Path Planning of mobile Sink- IPS- OPP)算法,IPS- OPP算法利用改进的粒子群优化算法选择驻留点(Ren-dezvous Point ,RP),再将基于RPs的构建移动路径看成旅行商问题(Travelling Salesman Problem, TSP),并通过Christofides算法求解,得到满足数据时延要求的移动路径。仿真结果表明,提出IPS- OPP算法缩短了移动路径,减少了收集数据时延。     

基于离散灰狼算法的喷涂机器人路径规划方法

针对目前用于复杂结构实体喷涂的机器人路径规划方法存在的效率低、未考虑碰撞以及适用性差等问题,提出一种用于求解多层决策问题的离散灰狼算法,并把该算法用于该路径规划问题的求解。为了将连续域灰狼算法改为用于求解多层决策问题的离散灰狼算法,采用矩阵编码方法解决多层决策问题的编码问题,提出基于先验知识与随机选择的混合初始化方法提高算法求解效率和精度,运用交叉算子与两级变异算子定义离散域灰狼算法的种群更新策略。另外,运用图论将喷涂机器人路径规划问题简化为广义旅行商问题,并建立了该问题的最短路径模型和路径碰撞模型。在路径规划实验中,相较于粒子群算法、遗传算法和蚁群算法,提出的算法规划的平均路径长度分别减小了5.0%、5.5%和6.6%,碰撞次数降低为0,且路径更平滑。实验结果表明,提出的算法能够有效提高喷涂机器人的喷涂效率,以及喷涂路径的安全性和适用性。     

智能仓储货位规划与AGV路径规划协同优化算法

智能仓储的优化一般分为货架优化和路径优化两部分:货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车(automated guided vehicle,简称AGV)的最优路径.目前,大多的智能仓储优化仅对这两部分进行独立研究.在实际仓储应用中,只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法实现了货位路径协同优化.实验结果验证了所提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法,可有效提高仓储的出货效率,降低运输成本.     

基于PEGA求解TSPD的物流配送路径优化算法

配送-收集旅行商问题是物流中的重要问题,与一般的旅行商问题不同,目前对该问题的研究有限,一般假定必须在完成所有的配送需求后才服务需求,并且所用算法性能较差。运用PEGA利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径,得到问题的解。该算法可以快速地求得问题的全局最优解。     

多目标路径规划方法的研究

在环境中存在障碍物的情况下,为实现航行器完成任务时路径消耗最优,提出了一种对多个目标进行遍历的路径规划算法。该算法在初始计算时根据目标点间的估计距离构建TSP回路,并随着航行器的运行,动态地对TSP回路进行优化;同时,航行器根据TSP回路的顺序对目标进行访问,降低了初始计算量。通过仿真验证,该算法可以在实现规划目标的同时,明显地降低路径目标点的路径消耗。     

基于蚁群优化的点胶控制系统路径规划

点胶是电子封装中的一个重要环节。为了改进传统点胶工艺中胶枪移动轨迹通常按X/Y方向进行优化导致加工效率低下的缺点,引入了基于蚁群优化的路径优化算法。大量的仿真结果表明该方法可以有效缩短胶枪的加工路径长度进而提高生产力,尤其当待加工点接近随机分布的时候,本优化算法的加工路径比传统X/Y方向优化所产生的路径短50%左右。     

多无人机巡航算法研究

无人机（Unmanned Aerial Vehicle,UAV）硬件技术的快速发展使其在许多领域得到广泛使用。当任务区域较多时,受到电量限制,无人机单次巡航难以完成全部任务,需要多架无人机共同协作。文章比较了之前的相关研究,提出一种综合聚类和改进遗传算法的路径规划策略,并通过仿真,对比不同算法的效果,为进一步的工作提供帮助。