基于遗传规划的机器人足球团体协作进化策略

利用基于进化的方法,对机器人足球比赛中的团队协作策略进行设计.论文给出了一种新的强类型的遗传规划算法,它对传统遗传规划方法做出了较大的改进,主要是提出了两种新的计算方法：基于概率的树的生成算法1,和基于概率的树的生成算法2.这两种算法不仅算法简便,又可以让用户对树结构进行控制,从而使其能更好地适应机器人足球系统的实时性和动态要求.     

基于适应度的多机器人任务分配策略

为提高多机器人任务分配方法的通用性和实用性，提出了一种分布式多机器人协作任务分配策略.根据多机器人任务特点，提出了多机器人任务分配必须满足的4个基本目标，并由目标制定相应的4条任务选择策略.按形式化思想为子任务建立了一个通用模型，模型包含了与任务选择相关的子任务基本属性和运行状态.结合子任务模型和任务选择策略，建立了一个子任务适应度模型，包含静态适应度、进度适应度、资源适应度和外部适应度4个分量，机器人根据适应度大小来选择子任务.仿真实验表明，应用该任务分配策略的协作异构多机器人系统对一类搬运任务具有很好的通用性，当任务发生变化和机器人发生故障时，机器人能够正确、及时地调整子任务，系统具有很好的实时性、灵活性和鲁棒性.系统能够实现机器人到子任务的最优映射，与其他任务分配方法相比明显缩短了任务执行时间.     

基于混合蛙跳算法优化人工势场的路径规划方法研究

针对传统人工势场在路径规划时易陷入局部极小、目标不可达和狭窄通道左右摆动的问题,提出了一种改进人工势场算法。该改进算法将目标距离引入斥力函数解决目标不可达问题:将斥力分解为由障碍指向机器人的分量和垂直于机器人与障碍连线的分量,分别用于阻止机器人接近障碍和引导机器人离开障碍。针对蛙跳算法迭代速度慢的问题,提出了改进混合蛙跳算法来提高蛙跳算法的进化速度和精度,并用于优化人工势场的参数以提高路径规划性能。仿真试验验证了所提出算法的有效性。     

遗传规划研究的现状及发展

遗传规划(GP)是一种关于产生问题解的计算机程序或者其他复杂结构的自动方法。它被成功地应用于自动设计、模式识别、机器人控制、神经网络结构的合成、符号回归、音乐和图像产生等难题。本文描述了遗传规划中的基本算法、理论及各种改进方法，讨论了遗传规划的关键技术，介绍了一些典型的实现系统及主要的应用领域，并指出了遗传规划的发展动向。     

基于进化算法的智能机器人行为学习研究

提高机器人的自主性和适应性,将进化机制引入自适应机器人的设计是一个很有前景的发展方向.文章分别利用遗传算法和遗传规划实现机器人避碰行为演化.通过加入叶子节点的突变操作解决了遗传规划收敛速度过慢的问题,并且采用连续优化多个地图的方法来提高解的适应性.最后把2种方法得到的结果进行比较,分析证明改进后遗传规划方法的有效性.     

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.     

求知环境下移动机器人实时路径规划

主要讨论了在不确定环境下移动机器人运动路径的在线规划算法。在此方法中,预定目标被定为吸引子,而障碍物被定为排斥子,路径规划问题就被转换为应用牛顿定理进行迭代计算的问题。这种算法计算简便,实时性强,能自动地适应工作环境中障碍物和目标的位置变化和随机出现,使机器人准确避开障碍,安全到达目的地。     

基于多表达式基因编程的复杂函数挖掘算法

传统的基因表达式编程(Gene Expression Programming) 挖掘复杂函数时,存在进化辈数过大、无法跳出局部最优解等问题,提出了基于多表达式基因编程的遗传进化算法,提高GEP的全局寻优能力, 提出了一种新的多表达式基因编程的遗传进化算法(Multi Expression Gene Programming, MEGP),建立了同一染色体内基因多层次编码、解码模型,理论上分析并比较了MEGP算法的表达空间复杂性,实现了多表达染色体遗传进化算法和染色体适应度评价算法.实验表明, 在解决函数挖掘问题中, MEGP成功率是传统GEP的2～4倍.     

多样性制导分段进化的基因表达式编程

为了解决基于传统基因表达式编程（GEP）的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DGGEP。给出了GEP 进化阶段和基因组多样性评估模式的定义;提出了描述进化阶段的进化因子概念和分阶段进化策略;采用动态遗传算子设计和群体规模控制方法,使进化更快速跳出局部最优。实验表明了新算法的有效性,能减少进化停滞代数65％以上,使群体的平均适应度提高12%以上。     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

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．     

实现AOI取像路径规划的混合遗传算法

为了提高自动光学检测过程中图像采集的效率,需要对取像的视场位置和取像的路径进行优化.现有取像方法的一个共同点就是效率偏低,鉴于此提出了基于混合遗传算法的路径规划方法,该方法可一步完成路径优化,进而提高取像的时间效率.仿真结果验证了该算法的有效性,在相同的条件下,可以减少取像时间,提高检测效率,克服了传统顺序取像方法的缺点,针对电路板进行离线路径规划,不会影响实际在线取像的时间.基于混合遗传算法的路径规划方法,有效解决了自动光学检测中路径规划关键问题,对提高工业生产效率,具有重要意义.     

基于改进蚁群算法的移动机器人路径规划

针对大多数路径规划方法所忽视的路径尖峰,以及传统蚁群算法(ACA)易出现的早熟、陷入局部最优等问题,提出一种改进ACA以用于路径规划.首先,在ACA中融入遗传算子,利用交叉与变异操作来扩大解的搜索空间,提升解的全局性.然后,引入简化与平滑操作优化算子,对所寻路径做进一步处理,消除路径中不必要的尖峰,提高其平滑性.栅格环境下的机器人路径规划仿真结果表明,与A*以及传统ACA相比,所提算法能够得到更为平滑的最短路径.     

基于三分支机器人关节空间轨迹规划的研究

采用分离系数方法对三分支空间机器人进行运动学数学建模,在此基础上,进行了关节空间中的轨迹规划,提出1种在关节空间应用分段低阶插值拟合路径曲线的规划算法,以改善轨迹控制精度。用计算实例验证了该算法的快速性和高精度。     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

基于元胞自动机的移动机器人路径规划

为解决移动机器人全局最优路径规划存在的问题,提出了一种基于元胞自动机的路径规划算法。建立了移动机器人活动空间的环境模型,将移动机器人的起点、终点、障碍物及自由通路定义为一组离散的元胞,设计了元胞状态的演化规则,并且根据演化后的元胞状态确定了最优路径的搜索方法,并通过仿真实验验证了该算法在简单环境和复杂环境下都能够有效的进行路径规划,并且具有算法简单、速度快、效率高等特点。     

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.     

基于遗传算法的综合布线路径布局研究

以综合布线系统的路径规划为研究对象,对布线路径中的公共路径和最短路径的双目标进行统筹规划,以满足不同情况下的不同施工需求. 首先给出了综合布线决策的整数规划模型,采用遗传算法构建了一种新的综合布线优化算法,用于进行综合布线路径规划的设计与研究. 在遗传算法的基础上,通过加权组合的方式实现公共路径和最短路径的协调,其中公共路径越长越节约工期,最短路径越长越节约成本. 最后,通过仿真对所提模型和方法的有效性进行了验证.     

自主水下潜器全局规划及其仿真方法研究

应用遗传算法设计出二维/三维全局规划器,用于解决自主水下潜器在大范围海洋环境中自主全局路径规划的问题.规划空间采用栅格法离散建模,染色体采用十进制可变长编码方式,基于领域知识设计了初始种群生成算法和五种遗传算子;基于三维建模软件与视景技术建立了半实物虚拟仿真系统,通过设计不同的使命案例对全局规划算法进行了仿真验证.结果表明:该规划算法具有路径描述简单清晰、算法收敛速度快、求解效率高的特点,满足了使命规划的安全性和可行性要求.