机器人路径规划的神经网络算法及优化

开发了一种基于碰撞罚函数的移动机器人路径规划神经网络算法,充分利用社会网络的融合性和并行性提高移动机器人路径规划算法的运算速度,取得了显著效果,并提出了局部部径修正和路径“张紧”两种算法,有效的解决了局部路径微小碰撞和最矩路径问题,实现了机器人路径的最优化,最后给仿真结果。     

用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网，实现了空间机器人的路径规划，解决了对两两给定通路的若干空间站点，空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数，从而扩展网络对解决具体问题的适应性，具有并行处理能力强、方法简单、容易实现等诸多优点．     

Hopfield神经网络构建骨架图的一种有效应用

采用一种局部连接Hopfield神经网络(HNN)来构建骨架图，进行移动机器人路径规划。该HNN势场没有非期望的局部吸引点，所构建骨架图和环境连通性相一致，保证了路径规划的完整性。仿真表明该方法具有较高的实时性和环境适应性。     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

递归神经网络的进化机器人路径规划方法

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.     

一种基于神经网络的机器人路径规划算法

研究已知障碍形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了析线形的最短无碰路径。仿真研究表明，本文提出的算法计算简单，收敛速度快，方法可行。     

遗传算法在机器人路径规划中的应用研究

采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,应用遗传算法对机器人路径规划作了研究。文中引入间断无障碍路径新概念以简化初始种群产生,定义了插入算子和删除算子以保证路径的连续性和简明性。应用遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶｌ．０对所提方法作的仿真研究结果表明,该方法可行。     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

粒子群算法在三维空间机器人路径规划中的应用

将粒子群优化算法应用到粒子群的路径规划中.首先进行空间坐标变换,然后将机器人所在的起始点与目的点的连线SD进行（n＋1）等分,过每个等分点作垂直于Z轴的n个平面,在每个平面上做正多边形的点阵,构成粒子群算法寻优的路径空间,最后应用于空间机器人的路径规划.试验证明该方法在收敛速度和精度方面有效.     

自适应蚁群算法在空间机器人路径规划中的应用

为了弥补传统路径规划方法缺乏足够鲁棒性的问题,采用自适应蚁群算法实现了空间机器人路径规划.针对传统蚁群算法在计算初期出现停滞的现象,修改了信息激素物质的更新方法.自适应蚁群算法根据学习次数和与最近障碍物的距离来调节信息激素物质.仿真结果表明,该算法在采用较少蚂蚁的情况下,与一般蚁群算法相比,能够快速找到理想路径.     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

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．     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

自由漂浮空间机器人路径规划研究进展

介绍了空间机器人路径规划的特点,归纳了研究中的关键问题,以及空间机器人非完整路径规划、笛卡尔路径规划及目标捕获自主路径规划等方面的主要研究进展,讨论了各种规划方法的应用背景及优缺点,对空间机器人路径规划的研究前景进行了展望.     

Novel constrained multi-objective biogeography-based optimization algorithm for robot path planning

A constrained multi-objective biogeography-based optimization algorithm （CMBOA） was proposed to solve robot path planning （RPP）. For RPP, the length and smoothness of path were taken as the optimization objectives, and the distance from the obstacles was constraint. In CMBOA, a new migration operator with disturbance factor was designed and applied to the feasible population to generate many more non-dominated feasible individuals; meanwhile, some infeasible individuals nearby feasible region were recombined with the nearest feasible ones to approach the feasibility. Compared with classical multi-objective evolutionary algorithms, the current study indicates that CM- BOA has better performance for RPP.