基于自适应步长策略的A*算法路径规划优化

针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决     

基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。     

基于几何算法的静态环境中移动机器人路径规划的研究

基于Pioneer Ⅱ DXE移动机器人，旨在解决静态环境中移动机器人与障碍物发生碰撞的可能性判断和避开障碍的路径规划。提出了采用几何计算的方法判断机器人和障碍物之间发生碰撞的条件，将基本避开理论和几何算法有机结合起来，获得切线最短路径，提高机器人避开障碍的效率，并通过仿真实验验证该算法的正确性和可行性。     

一种基于缓冲区分析的A*算法路径规划

采用GIS缓冲区分析方法创建不同属性缓冲区影响因子,实现了景区区域复杂信息的可视化表达;对传统A~*算法加以改进,以曼哈顿距离计算方法为基础,影响因子作为参数,纳入路径最优算法中,实现了景区区域路径规划功能。以桂林市七星区七星公园为例,验证该方法的可行性,实验结果表明,基于缓冲区的A~*路径规划算法,基本解决了景区区域内的最优路径问题。     

改进A星算法移动机器人路径规划

采用粒子群算法搜索每个栅格内的最优点坐标,将传统A星算法的搜索角度任意化。仿真表明,改进A星算法得到的路径缩短了4%,平均转折角度减小了54%。     

复杂环境下移动机器人路径规划与跟随

提出了一种基于改进A^*算法和PID控制算法的新型移动机器人路径规划与路径跟随控制方法,该方法适用于复杂的迷宫环境．在所提出的方法中,解决了A^*算法转折点过多的问题,并且通过拓展障碍物和四阶三次均匀B样条优化的方法使生成的预期路径安全且平滑;之后基于前视点的两轮差速机器人运动学模型设计了PID控制器．在专门设计的框架中测试了所提出方法的性能．作为验证,分别从路径规划与路径跟随两个方面做了详尽的实验,结果表明,规划路径转折点少且平滑,设计的PID控制器能够控制移动机器人实现较好的路径跟随效果．最后,在复杂的迷宫环境中验证了提出的方法,结果表明,所提出的方法能够使机器人无碰撞穿越迷宫．     

基于地图服务器的群采摘机器人的A*路径规划算法

为解决群采摘机器人工作中存在的采摘区域大、地形多变、群机器人控制复杂等问题,提出一种基于地图服务器的群采摘机器人的A*路径规划算法.通过地图服务器进行采摘地图分配,使用地图瓦片技术将大尺寸采摘地图切分为瓦片地图,采用K均值算法对采摘区域进行划分,通过请求分配机制进行采摘区域地图组合和发布,在分配采摘地图的同时,限制群采...     

基于遗传算法的机器人动态路径规划的仿真

提出一种基于遗传算法的移动机器人的路径规划方法。该方法采用实数编码的方法。有明确物理意义的适应度函数，以加快实时的运算速度和提高运算精度。该方法充分挖掘可应用遗传算法解决移动机器人动态路径规划的潜力。通过计算机仿真表明该控制方法具有良好的动态路径规划能力。     

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。     

一种室内清洁机器人返回路径规划算法

目前实际应用中的室内清洁机器人大多设计成充电座与机器人本体分离的结构,针对室内清洁机器人在电量耗尽之前需要成功返回充电座充电的问题,提出了以返回固定充电座充电为目标的自主返回路径规划策略。仿真结果显示了该搜索策略的有效性。     

基于改进A~*算法的仿生机器鱼全局路径规划

针对传统A*算法搜索速度慢和规划路径不够优化的缺点,引入可扩展节点,对A*算法流程进行改进,以减少时间和空间复杂度,提高搜索效率,并对规划路径进行优化处理,以有效的缩短路径。对存在凹形障碍物的地图,采用后退—尝试的方法解决路径规划的失败问题,使之绕过凹形障碍物取向目标点,达到输出最短路径的目标。     

移动机器人的避障模糊算法

超声波传感器是移动机器人避障常采用的传感器,但是存在缺点,如三角误差,多次反射.采用多个超声波传感器的模糊避障算法,通过此算法,降低干扰,用VB编写了仿真软件,对算法进行可行性的分析.结果表明,该模糊算法可以实现机器人的安全避障.     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

自动导引小车局部智能避障的A*算法

实时局部智能避障是反映自动导引小车自主能力的关键, 研究利用二叉树和四叉树表示环境信息,提出了自主导引小车在多障碍物下的智能局部避障的A^＊算法.并给出仿真结果.     

基于接收机信号重构的OFDM系统频偏估计算法

利用接收机判决后的OFDM信息数据重构FFT以前的OFDM信号 ,提出了一种OFDM系统中频偏估计的新方法 ,进而得到一种载波频率跟踪方法 .该方法具有不需要引导符号 ,算法简单 ,跟踪精度高等优点 .本文利用 6 4载波 1 6QAM的OFDM系统进行了仿真 ,结果表明 ,该方法对频偏的估计精度相当高 ,当系统存在 1 0 %的初始相对频偏时 ,对信噪比为 1 5dB和 1 8dB的AWGN信道的情形 ,利用本文频偏估计算法构成的跟踪算法仍有很好的跟踪能力     

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。