改进A*算法的智能车路径规划研究

由于A*算法所规划的路径存在着转折次数多,路径不平滑,路径贴合障碍物和初始时刻转折角度过大等不符合车辆运动学的问题。为了解决上述问题,获得适用于智能车的优化路径,本文通过对车辆运动学建模得到车辆的约束,同时在估价函数中加入车身轮廓代价和障碍物距离代价,并将车辆约束加入到A*算法的启发函数和路径优化中,再使用贝塞尔曲线拟合转折点,使A*算法所生成的路径更加符合车辆的运动学。通过分析改进A*算法可知,改进后的算法所规划的路径更加平滑、合理且符合车辆的运动特性。     

一种融合改进Ａ∗算法与改进动态窗口法的ＡＧＶ路径规划

为满足AGV路径规划中路径的全局最优性和实时避障的需要,提出了一种基于改进A*算法+改进动态窗口法的融合算法。首先,基于传统A*算法,提出了一种基于障碍物类型的关键路径点提取策略,剔除冗余路径点,从而减少路径总转角,缩短全局路径长度;其次,根据提取的关键点计算贝塞尔曲线,生成一条符合机器人运动学的路径;最后,将改进A*算法与改进动态窗口法进行融合,将提取的关键路径点作为改进动态窗口法的过程目标点,并向动态窗口法的评价函数中加入全局路径代价函数,从而使融合算法同时具备全局路径最优性和动态避障能力。仿真实验结果表明：与传统A*算法相比,改进A*算法减少了52.8%的路径点,减少了5.8%的路径总转角,缩短了4.8%的全局路径总长度,而且基于改进A*算法的融合算法相较于基于传统A*算法的融合算法,效率提高了46.3%,能够很好的满足AGV路径规划的需要。最后并完成了实际场景下的运行实验验证。     

基于改进基因算法的海洋平台巡检机器人路径规划

传统遗传算法最优路径搜索效率相对较低,容易产生无实际意义个体。为此,在遗传算法选择操作中引入邻域搜索算法,提高算法的局部搜索能力,调整可变长度染色体邻接点交叉算子进化操作,避免生成间断路径。同时,在变异操作中引入多样性约束与改进的A*算法,提高遗传算法前期搜索效率。最后,在适应度函数中考虑路径长度、安全性和移动代价,生成的路径远离障碍物并在一定程度上降低转弯次数。实验证明,改进后的遗传算法在多障碍物环境下的路径规划过程中提高了搜索效率,更有利于找到实际应用中的最优解。     

基于改进A*算法的移动机器人路径规划

针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。     

煤矿履带式定向钻机路径规划算法

煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求,而常用的A*算法搜索速度慢、冗余节点多,且规划路径贴近障碍物、平滑性较差。提出一种以改进A*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响,在传统A*算法中引入安全扩展策略,即在定向钻机和巷道壁、障碍物之间加入安全距离约束,以提高规划路径的安全性;对传统A*算法的启发函数进行自适应权重优化,同时将父节点的影响加入到启发函数中,以提高全局路径搜索效率;利用障碍物检测原理对经上述改进后的A*算法规划路径剔除冗余节点,并使用分段三次Hermite插值进行二次平滑处理,得到全局最优路径。将改进A*算法与DWA融合,进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析,结果表明：与Dijkstra算法和传统A*算法相比,改进A*算法在保证安全距离的前提下,加快了搜索速度,搜索时间分别平均减少88.5%和63.2%,且在一定程度上缩短了规划路径的长度,路径更加平滑;改进A*算法与DWA融合算法可有效躲避改进A*算法规...     

基于理论最短距离变权重A*算法的路径规划

在栅格化的障碍物地图中,将简单高效的A*算法引入解决路径规划问题。为了提高路径规划效率,减少搜索节点数量,提出了一种在规定的椭圆区域内,基于理论最短距离动态改变A*算法中估价函数权重的最短路径算法。该算法将搜索范围限定在规定的椭圆区域内,椭圆以起点和终点为焦点,利用统计分析与路径中障碍物尺寸相结合的方法计算长轴参数。将各节点实际代价权重赋予动态变化的权值,以实际代价与起点 到终点 的直线距离的比值为该点权重,且规定了上下限以保证搜索精度。同时,对节点估计代价赋予惩罚函数,远离理论最短路径距离的节点将获得较大的惩罚值,使最终路径靠近理论最短路径。通过仿真实验证明,该算法在保证搜索精度的前提下,大大提高了搜索效率。     

基于双向搜索改进A*算法的自动导引车路径规划

在面积比较大的或划分精细的栅格地图中进行自动导引车(AGV)行驶路径规划时,经典的A*算法搜索得到的路径往往冗余节点和转折点较多,搜索路径时间较长.为了提高A*算法的实时性,提出了一种基于双向搜索路径的A*算法.首先,对于A*算法的启发函数引入父节点和Chebyshev Distance,改进启发函数;其次,引入双向路径搜索的动态窗口,同时从路径的起点和终点搜索路径,得到一条初始路径,并论述了动态窗口的大小对于双向搜索路径的影响;最后,依据关键点搜索原理,剔除初始路径中存在的冗余节点,得到最终的搜索路径.实验证明,相较于单向改进A*算法和改进人工势场算法,双向搜索改进A*算法搜索路径耗费时间分别降低了22.9％和78.4％,路径包含节点数分别降低了82.2％和99.5％,证明了算法的有效性.     

基于双向搜索改进A*算法的自动导引车路径规划

在面积比较大的或划分精细的栅格地图中进行自动导引车(AGV)行驶路径规划时,经典的A*算法搜索得到的路径往往冗余节点和转折点较多,搜索路径时间较长.为了提高A*算法的实时性,提出了一种基于双向搜索路径的A*算法.首先,对于A*算法的启发函数引入父节点和Chebyshev Distance,改进启发函数;其次,引入双向路径搜索的动态窗口,同时从路径的起点和终点搜索路径,得到一条初始路径,并论述了动态窗口的大小对于双向搜索路径的影响;最后,依据关键点搜索原理,剔除初始路径中存在的冗余节点,得到最终的搜索路径.实验证明,相较于单向改进A*算法和改进人工势场算法,双向搜索改进A*算法搜索路径耗费时间分别降低了22.9％和78.4％,路径包含节点数分别降低了82.2％和99.5％,证明了算法的有效性.     

基于A*改进算法的机器人移动路径优化仿真

针对传统机器人移动路径分析方法中存在撞击率高的问题,引入A*改进算法对机器人移动路径进行优化.首先利用栅格单位搭建机器人移动环境模型,并对栅格模型进行优化处理,分别在无障碍、静态障碍以及动态障碍三种移动环境下进行路径规划,通过A*改进算法获取机器人移动原始路径.在此基础上,计算路径优化约束条件,对原始路径进行平滑优化处理,输出机器人移动路径的优化结果,完成移动路径优化.经过仿真对比实验可知,使用A*改进算法进行机器人移动路径优化,路径长度和时间均能得到减少,且撞击率和路径转弯次数也明显得到改善.     

基于转角约束的改进蚁群优化算法路径规划

针对传统蚁群优化（ACO）算法搜索路径时易陷入局部最优、路径过长、转弯角度过大等问题,提出一种基于转弯角度约束的改进ACO算法。首先,增加起始点与目标点之间区域的初始信息素浓度,以避免初期盲目搜索;然后,在启发函数中加入A^*算法的估价函数和转弯角度因子,以便在下一步选择路径长度和转角次数综合最优的节点;最后,在信息素更新部分引入狼群算法的分配原则,来加强优质种群的影响力,同时借鉴最大最小蚁群（MMAS）算法进行信息素浓度的限制,从而避免算法陷入局部最优。Matlab仿真结果表明,改进算法与传统ACO算法相比,规划出的路径长度缩短了13.7%,转弯次数减小了64.3%,累计转弯角度减少了76.7%。实验结果表明,所提改进算法能有效解决全局路径规划问题,避免了移动机器人过多的能耗损失。     

基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计

针对城市生活垃圾由于回收不及时带来的二次污染加剧和现有的垃圾回收路径方案仍然成本过高的问题,设计了一种基于GIS和改进混合蛙跳算法的城市生活垃圾回收路径设计方法;首先引入了基于GIS的回收路径规划模型,以最小化垃圾回收总路径长度、车辆总费用和惩罚成本为目标建立了城市生活垃圾回收路径规划的数学模型;然后,对基本混合蛙跳算法进行了改进,提出了基于Tent映射和混沌扰动的初始种群生成方式,将规划的目标函数转换为适应度函数,为了加快算法的收敛速度,设计了一种自定义距离度量方式以衡量解之间的差异,从而实现最差解的自适应更新,以实现全局最优;最后,定义了基于GIS和改进混合蛙跳算法实现垃圾回收路径规划的具体算法;仿真实验表明:文中设计的算法能有效地实现城市垃圾回收路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,是一种解决城市垃圾回收路径规划的可行方法。     

改进A*算法的水面舰艇静态航路规划

针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题,结合电子海图提出了一种改进A*算法的航路规划方法。提出一种自适应的改进启发函数,在搜索节点时加入目标节点的方位信息,加快了A*算法搜索路径的速度;加入迫使航路远离障碍物的安全距离,解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题;对原始航路进行二次优化,在对原始路径提取转折点后,通过判断任意两个转折节点的直线可达性,将转折节点之间的实际距离转化为距离矩阵,使用Dijkstra算法优选出航路长度更短的关键转折点,最终使用二阶贝塞尔曲线对航路转折处进行平滑处理,以满足航路平滑且易跟随的要求。仿真实验表明,相对于传统A*算法,改进算法规划的路径具有寻路速度更快、航路距离更短、航路安全性更高的特点。     

基于候客点规划的空闲出租车路线推荐算法

为空闲出租车司机推荐有效的闲逛路线在提高出租车司机工作效率、减少乘客等待时间以及缓解交通压力方面具有重要作用。现有的研究工作主要集中于为空闲司机推荐完整的驾驶路线,没有考虑到真实路网环境下某些路段的可等待因素,使得推荐的路线因载客概率较低、行驶距离较长而花费成本较高。提出一种基于候客点规划的路线推荐算法,对出租车轨迹数据进行处理,并设计路径匹配算法将每个轨迹点与真实路段一一匹配。通过统计每个路段历史接载信息,并利用一种改进的多层感知机建立可预测时序接载概率的模型,结合路段的可等待因素设计一种最小花费成本的路线推荐算法。在真实数据集上的实验结果表明,与MNP、InExperence、Random算法相比,所提算法花费成本、巡航时间以及巡航路程均明显减少。     

改进BIT*与DWA算法的动态路径规划

传统批通知树（batch informed trees,BIT*）算法结合了RRT*算法和A*算法的优势,但是该算法在复杂环境下无法躲避未知的动态障碍物,无法完成动态路径规划。针对该问题,提出了一种将改进的BIT*算法和改进的DWA算法相融合的算法。在传统BIT*算法的基础上对路径进行拉伸优化,提取关键转折点,减少路径长度;对传统DWA算法的距离评价函数进行改进、引入轨迹点评价函数,避免局部规划过分偏离,也减少了已知障碍物对路径的影响;将改进的BIT*算法与改进的DWA算法相融合,将提取的关键转折点作为DWA的中间目标点,弥补全局规划算法无法躲避动态障碍物的缺点以及局部规划算法全局能力低下的缺点。在动静态地图中对RRT*算法、BIT*算法、DWA算法、改进BIT*算法以及融合算法进行仿真实验,仿真结果表明：在复杂环境中,改进的BIT*算法具有更短的路径和更少的拐点;与传统的DWA算法相比,融合算法规划的路线更平滑,机器人既能实时动态避障抵达终点,又能更加贴近全局路径,保证路线全局最优。     

Where will they turn: predicting turn proportions at intersections

Predicting a driver’s route would be useful for warning a driver of upcoming road hazards, informing about traffic situations, and serving relevant advertising. There are many clues to a driver’s future route, including their past behavior and likely destination. Another clue is the driver’s turn choices at a sequence of intersections. Strung together, the turn choices form a route. This paper develops a basic algorithm, and variations, to predict the aggregate turn behavior of drivers at intersections. Given an intersection with a few different turn options, including the option to continue straight ahead, our goal is to infer the proportion of drivers who will take each option. For ground truth, we use raw turn counts gathered for government traffic studies by our local municipality at 40 different intersections. Our basic turn prediction algorithm is based on the assumption that drivers tend to choose roads that offer them more destination options. This matches our intuition that turning onto a short, dead-end road is relatively rare compared to turning onto a highway “on” ramp. The best performing algorithm predicts turn proportions with a median error of 0.142.     

An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning

This paper formulates the global route planning problem for the unmanned aerial vehicles (UAVs) as a constrained optimization problem in the three-dimensional environment and proposes an improved constrained differential evolution (DE) algorithm to generate an optimal feasible route. The flight route is designed to have a short length and a low flight altitude. The multiple constraints based on the realistic scenarios are taken into account, including maximum turning angle, maximum climbing/gliding slope, terrain, forbidden flying areas, map and threat area constraints. The proposed DE-based route planning algorithm combines the standard DE with the level comparison method and an improved strategy is proposed to control the satisfactory level. To show the high performance of the proposed method, we compare the proposed algorithm with six existing constrained optimization algorithms and five penalty function based methods. Numerical experiments in two test cases are carried out. Our proposed algorithm demonstrates a good performance in terms of the solution quality, robustness, and the constraint-handling ability.     

基于灰度图像边缘检测的3D游戏路径搜索*

着重研究了3D游戏中路径搜索算法。其路径搜索算法内容包括障碍认知与标志、A*路径规划、高度代价函数与路径最短相结合的,由计算粒度引出的基于静态障碍物体碰撞检测的动态路径规划。该算法在实际的游戏引擎中进行了测试,其效率和实时性都满足要求。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径,构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

支援干扰下战斗机突防段综合航迹规划

针对传统A*算法搜索空间以及收敛时间等方面的不足,首先提出了改进的A*算法;其次对战斗机突防段综合航迹规划影响因素进行分析,在此基础上建立了战斗机对地攻击突防段代价函数数学模型;然后对支援干扰下的雷达压制区进行研究,确定干扰机位置,由此条件构建支援干扰下战斗机突防段综合航迹规划模型;最后应用改进的A*算法进行战斗机突防段综合航迹规划。仿真实例表明,基于改进的A*算法可以有效地进行突防段的航迹规划,可以有效地减小航迹的代价,提高战斗机的突防概率,有利于我方战斗机成功突防。     

基于带电粒子搜索的无人潜航器航路规划方法

针对无人潜航器（UUV）在复杂环境、多约束条件下航路规划过程耗时长、占用空间大等问题,提出了基于带电粒子搜索（CSS）的航路规划方法。首先,建立UUV航路规划问题模型,设计代价函数;然后,给出了基于CSS的航路规划方法,带电粒子在搜索空间中会受到其他带电粒子电场力的作用进而迭代寻优;另外,提出了一种非线性调整速度与加速度参数的方法,通过该方法有效地平衡全局搜索与局部搜索过程,避免算法的早熟收敛。最后,通过对比实验从规划航路的质量和算法耗时两个角度将所提方法与A^*算法、蚁群算法、粒子群航路规划方法进行对比。实验结果表明该方法在保证规划出的航路质量的同时,具有更快的收敛速度、更低的时间复杂度。