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．     

基于遗传算法的移动机器人的一种路径规划方法

在考虑机器人及障碍物尺寸的条件下,将遗传算法用于针对运动目标的移动机器人动态避障路径规划,采用了两次寻优的办法规划最佳路径,并针对两次的遗传算法操作寻优过程,分别建立了严谨且简洁的适配值函数．仿真实验表明,本文提出的动态避障路径规划方法可实时、稳定地产生移动机器人的最佳规划路径．该方法也可用于智能机器人追踪移动目标的自动导航．     

一种融合模拟退火的改进遗传算法多任务路径规划

针对多任务路径规划存在收敛速度慢、易陷入局部最优解的问题,文中提出一种融合模拟退火准则的改进遗传算法.利用栅格法对环境地图建模与栅格序号编码,通过融入Metropolis准则来判断是否接受新解.实验结果表明:在不同障碍物环境以及不同任务点个数下,提出的融合模拟退火改进遗传算法与传统遗传算法相比,路径长度和迭代次数分别提...     

使用遗传算法规划移动机器人路径

提出了一个基于遗传算法的移动机器人路径规划方法。该方法在对自由空间进行链接图法建模的基础上,先用网络图最短路径算法进行粗路径的搜索,然后再利用遗传算法进行路径点的调整,从而规划出机器人的行走路线。通过对路径点的编码处理,使得仅使用简单遗传算法就能对路径规划问题进行求解。仿真结果表明,该方法简单易行,并且所规划出的路径的质量有所提高。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

基于遗传算法的机器人路径规划

采用栅格法表示机器人工作环境模型，用序号编码，直角坐标与序号混合应用，采用遗传算法产生初始路径种群，并对其优化找出最短路径，然后增加删除，插入算子达到路径规划中避障的要求。用MATLAB语言进行的仿真研究，仿真结果表明遗传算法进行避障和路径规划的有效性和可行性。     

一种基于改进遗传算法的机器人路径规划方法

在应用遗传算法进行机器人路径规划时,为了解决传统遗传算法"早熟收敛"和"收敛速度慢"的问题,设计了一种用于路径规划的改进遗传算法.该算法根据规划问题的具体要求,对染色体编码,种群初始化等操作进行了改进,编码采用二维浮点数变长度的编码方式,种群初始化采用知识启发的策略,以加快收敛速度.在控制参数设定方面引入自适应调整控制参数.采用MATLAB软件进行仿真,将改进算法与标准算法进行对比,结果得出改进算法缩短了路径长度和运行时间.证明了本算法的正确性和高效性.     

基于稀疏A~*遗传算法的无人机三维航迹规划

针对基于自适应遗传算法无人机三维航迹规划寻优性能较低的问题,提出了一种基于稀疏A*遗传算法的无人机三维航迹规划方法;建立了稀疏A*遗传算法的仿真模型,利用稀疏A*搜索新航迹点的方法,提高了初始种群质量;通过引入禁飞区域代替威胁区域、安全区域、保密区域,可使本算法适用于民用无人机航迹规划。仿真实验表明,与自适应遗传算法规划无人机三维航迹相比,该算法具有更好的寻优性能。     

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．     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

攻击无人机的协同航路规划

在空中进攻战役计划制订时应充分考虑敌方目标的有关因素及其周围防御力量的水平，合理选择进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及航路选择的优化模型，并改进了遗传算法的编码方式。在此基础上采用遗传算法对基于目标分配的无人机协同作战任务进行了仿真检验，确定了各无人机的攻击目标及相应的回避威胁的协同航路。通过该方法可以有效地提高无人机的协同作战效能。     

无人机的侦察航路规划

针对无人机(UAV)侦察任务的两个目标：(1)发现尽可能多的目标；(2)获得对所有目标尽可能多的有效侦察时间，提出了一种优化方法，包括航路规划和航路光顺两部分。首先由基于遗传算法(GA)的航路规划器根据选定的任务目标制定出优化航路，然后由航路光顺器对优化航路进行光顺以形成可供无人机飞行的航路。最后给出了仿真结果，初步表明该方法可以有效地提高无人机的侦察任务效率。     

基于搜索理论的多无人机协同控制方法研究

探讨了多无人机对静止多目标协同搜索问题。运用搜索理论,根据搜索域上的“回报率”状态图,针对多无人机协同控制的搜索规划方法进行了研究。并通过蒙特卡洛仿真,以理论上最优搜索为标准,对协同搜索和随机搜索进行了评估。仿真结果表明,协同搜索相对随机搜索能更有效地利用无人机资源,提高无人机机群的作战效能。     

基于人机合作策略下SAS算法的多无人机路径再规划

针对复杂多变的战场环境中多无人机路径再规划,给出了一种人机合作策略下的改进稀疏A*算法。提出在局部路径再规划动态窗口内人工干预给出必经子目标点,再通过SAS算法自动规划出路径的人机交互策略;采用路径再规划约束条件对生成的路径节点进行了合并处理。仿真实验表明,上述改进的SAS算法,有效约束了SAS算法可行解空间,降低了算法的计算量,并且减少了生成路径点的个数,缩短了数据传输时间,获得了多无人机规避突发威胁/危险、避碰的令人主观满意的再规划路径。     

一种基于Clothoid曲线的无人机路径规划算法

提出了一种新的基于Clothoid曲线的无人机复合路径规划算法。该算法考虑了无人机在起点和目标点的方向以及无人机转弯半径的约束,能够在任意起止点位置和方向下得到更短的曲率连续的便于无人机飞行控制跟踪实现的Clothoid复合路径。与现有的基于微分几何的迭代算法相比,该算法迭代简单在给定范围内选择迭代初值,可以得到惟一解。     

轮式移动机器人路径规划的遗传进化算法

主要研究了已知障碍空间的、基于目标定位的移动式机器人行走路径规划及优化的遗传进化算法的求解方法。在此方法中，把预定目标定为机器人运动规划的吸引子，障碍物作为排斥子，针对障碍环境的特点设计了有效的遗传算子，并提出了度量个体适应度及群体适应度的计算方法，该方法编码简单、方便、占用空间小。实验调试表明，此算法效果良好，经过若干代的进化总能得到较优的规划结果。     

基于蚁群算法的无人机任务规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，本文对新近发展的蚁群算法进行了研究，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

用遗传算法求解AOE-网中的关键路径

应用遗传算法的基本原理求解关键路径,根据问题的性质对遗传算法做了相应的改进,使该算法能高效地求出一批近似的关键路径,并给出了算法实现的步骤.     

无人智能越障概念车的一种路径规划算法

介绍了一种基于神经网络的无人智能越障概念车路径规划算法,针对此算法给出了实现的具体步骤.用计算机仿真的方法分析了算法参数对其性能和效率的影响,结果证明,此算法有较强的实时性和可靠性.