改进微粒群算法在机器人路径规划中的应用

研究机器人路径规划问题,是为了设定合理最短路径、最快速度、小能耗的优化路径.由于目前微粒群算法应用在路径规划中易陷入局部最优、搜索时间长等缺点,在微粒群算法基础上,提出一种引入了交叉算子和变异算子的改进算法进行路径规划设计,并采用栅格法对机器人实际运动环境进行三维空间建模.在微粒群算法中引入交叉算子,使成对的粒子可以进行信息交换,以便粒子具有了向新的搜索空间飞行的能力;同时引入变异算子,使其坐标值被随机更新,增强了微粒群算法跳出局部最优点的能力.仿真结果表明改进算法简单有效,收敛速度快且具有优秀的搜索能力,为优化机器人路径规划性能提供了依据.     

生物智能算法在机器人路径规划中的应用研究

提出并研究了一种应用于机器人路径规划的改进型生物智能算法。针对机器人路径规划的实际应用,在用Dijkstra算法链接图建模的地图中得到一个最优解的可行空间,又用优化蚁群算法得到全局的最优路径,具有较强的鲁棒性。在微粒群算法的基础上提出了矢量编码方案,有效避免了对地图建模过程的依赖,优化设计了交叉算子和变异算子,使得算法在保持较高收敛速度的同时能够避免陷入局部最优点。计算机仿真结果表明了算法的有效性。     

面向钻削路径规划问题的微粒群优化算法研究

提出一种基于微粒群优化（PSO）算法的方法,用于解决离散空间的群孔钻削路径规划问题．为了满足钻削路径规划问题中整数编码的需要,建立了算子中元素的二元转换方法和操作方式,对算法的操作算子进行改进．针对基本微粒群算法全局收敛率较低的问题,本文在算法数学模型的基础上,引入了重新生成“停止进化微粒”的方式对算法加以改进．实验表明,改进的算法全局收敛率较基本算法提高3倍多;新的算法具有实现简单、收敛速度快、能够实现全局收敛的优点．实际应用中,采用新的PSO优化算法对钻削路径优化后,可以节省17.9%的机床工作台移动时间．     

一种采用变异算子的自适应微粒群算法

为了提高微粒群算法优化高维目标的性能,采用了个体惯性权重自适应调整的微粒群算法,其中每个微粒拥有属于个体的惯性权重。通过对每个微粒的适应值进行评价对惯性权重动态和自适应,以加快其收敛速度并逃离局部最优。为了增强搜索性能,基于高斯变异和随机变异的变异算子被引入。该方法以及其他3种不同微粒群优化算法对4个经典函数在100、200和400维数下进行仿真的结果比较证明此算法在解决高维数目标时具有良好性能。     

一种改进惯性权重的变异微粒群优化算法

针对微粒群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了一种改进惯性权重的变异微粒群优化算法.在算法运行过程中,对适应度值不同的微粒赋予不同的惯性权重,使算法既具有良好的空间探索能力又有良好的局部挖掘能力;在群体最优信息陷入停滞时引入变异算子,对聚集在局部最优微粒附近的微粒的位置和速度进行变异操作,使算法摆脱局部最优点的束缚.对4种典型函数的测试结果表明,新算法的全局搜索能力和收敛速度都得到了提高,并且能够有效避免早熟收敛问题.     

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。     

改进的吸引扩散微粒群算法

为了避免微粒群算法存在的过早收敛问题, 在ARPSO的基础之上, 提出了一个简单的种群多样性度量函数和微粒最好飞行方向的概念, 引入了变异策略, 从而实现了一种改进的吸引扩散微粒群算法MARPSO, 并从理论上分析了MARPSO的局部收敛性和全局收敛性. 对四个经典函数进行了仿真测试, 测试结果表明: 与基本微粒群算法BPSO和ARSPO相比, 该算法能够有效的提高种群多样性, 并且具有较高的收敛速度.     

一种改进惯性权重的变异微粒群优化算法

针对微粒群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了一种改进惯性权重的变异微粒群优化算法。在算法运行过程中,对适应度值不同的微粒赋予不同的惯性权重,使算法既具有良好的空间探索能力又有良好的局部挖掘能力;在群体最优信息陷入停滞时引入变异算子,对聚集在局部最优微粒附近的微粒的位置和速度进行变异操作,使算法摆脱局部最优点的束缚。对4种典型函数的测试结果表明,新算法的全局搜索能力和收敛速度都得到了提高,并且能够有效避免早熟收敛问题。     

基于NN改进PSO算法的机器人路径规划

本文介绍了基于神经网络和微粒群优化算法的移动机器人动态避障路径规划算法.通过神经网络改进的微粒群算法,充分利用了神经网络的融合性和并行性来提高微粒群算法中适应度函数的准确性.通过神经网络描述机器人工作空间的动态环境约束并找到最优的适应度函数,在微粒群算法中使用该函数,求得微粒群算法最优无碰路径.     

一种改进的微粒群优化算法

提出了一种基于差分进化算子变异的改进微粒群优化算法，为减小陷入局优的可能性，在群体最优信息陷入停滞时引入差分进化算子变异，使算法摆脱局部极优点的束缚，同时又保持前期搜索速度快的特性，提高全局搜索能力。仿真实验表明：与标准微粒群优化算法相比，该文算法的全局收敛性能得到了显著提高，能有效避免微粒群优化算法中的早熟收敛问题。     

机器人路径规划中的改进型遗传算法

提出了一种应用于机器人路径规划的改进型遗传算法。针对机器人路径规划的实际应用,优化设计了交叉算子和变异算子,引入了自定义的插入和删除两种遗传操作。通过把地图特征信息作为参与决策的已知条件来约束遗传算子的操作过程,提高了算法的进化效率。自定义遗传算子的使用,使得算法对复杂地图也表现出良好的适应能力。计算机仿真实验证明该算法在最优解输出概率方面相对于基本遗传算法有了显著提高。     

A new hybrid genetic algorithm for job shop scheduling problem

Job shop scheduling problem is a typical NP-hard problem. To solve the job shop scheduling problem more effectively, some genetic operators were designed in this paper. In order to increase the diversity of the population, a mixed selection operator based on the fitness value and the concentration value was given. To make full use of the characteristics of the problem itself, new crossover operator based on the machine and mutation operator based on the critical path were specifically designed. To find the critical path, a new algorithm to find the critical path from schedule was presented. Furthermore, a local search operator was designed, which can improve the local search ability of GA greatly. Based on all these, a hybrid genetic algorithm was proposed and its convergence was proved. The computer simulations were made on a set of benchmark problems and the results demonstrated the effectiveness of the proposed algorithm.     

机械手三维操作空间建立与路径规划

针对传统路径规划算法在机械手路径规划中未考虑机械臂干涉、搜索效率低、路径不合理等问题,在建立了机械手空间模型,采用二次投影法分析和计算机械手操作空间的基础上,将障碍模型和操作空间栅格化,并提出了改进的遗传算法。在遗传算法的设计中,使用实数编码和三维坐标编码相结合的编码方式将栅格进行编码,改进交叉算子,定义最小基因交叉片段数量比,提高了搜索效率,简化了计算过程。通过Matlab建立了机械手仿真模型,验证了算法的有效性,且在实验条件和实验对象等各项参数相同的情况下,相对于传统路径规划算法,搜索效率,最优路径比等得到明显提升。     

人工鱼群与遗传混合算法在无人艇路径规划中的应用

为了使水环境监测无人艇在监测和采集水样时能有效躲避静态障碍物,且以最优或接近最优的路径行进,提出了一种变步长和变视野的自适应人工鱼群算法与改进遗传算法混合的策略,在人工鱼完成觅食、追尾、聚群等行为后,进行遗传算法的操作。通过指数函数型衰减函数使算法前期视野和步长很大,后期视野和步长很小,提高算法的运行效率和精确性;在基本遗传算法中加入精英选择策略和保护、淘汰算子,得到全局最优解。仿真结果表明,混合算法有效克服了单一算法容易局部收敛的缺点,收敛速度快,能有效得到最优路径,计算精度高。     

一种新的虚拟血管镜自动导航路径生成方法

血管的中心路径提取是虚拟血管镜的重要组成部分, 它提供了自动导航的路径. 本文提出一种新的内窥路径生成方法, 用改进L1中值算法对体素点云化的脑血管数据进行骨架的提取. 首先,对核磁共振成像(Magnetic resonance imaging, MRI)增强血管数据进行基于统计的分割算法进行分割; 其次,对推广的Roberts算子在体素空间分割出的单体素点边界进行体素点的点云化, 生成点云模型; 最后,在点云空间中运用基于法向信息的L1中值算法进行骨架提取. 该过程克服了传统方法在体素中进行骨架提取时对数据缺失、孤点敏感的局限性, 并且对下采样后的点云化数据提取的骨架效率高, 骨架居中性较好, 最终把骨架用作脑血管虚拟内窥的自动漫游路径, 实现自动导航.     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径.首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复...     

基于改进遗传算法的机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高.针对机器人路径规划的实际应用,通过优化设计标准遗传算法中的交叉算子和变异算子,提出一种应用于机器人路径规划的改进型遗传算法.在把地图特征信息引入遗传算子的操作过程中提高了算法的进化效率.计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高.     

基于梯度统计变异量子遗传算法的车辆路径规划

针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题, 提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法. 首先在依据染色体适应度值动态调整旋转角步长的基础上, 引入梯度下降思想对量子旋转门调整策略进行改进; 根据染色体变化趋势的统计特性, 设计基于梯度统计的变异算子实现变异操作, 提出基于量子位概率密度的自适应变异策略; 以路径最短为指标建立车辆路径规划模型, 通过仿真实验验证改进算法在车辆路径规划中的有效性, 与其他优化算法相比, 本文改进算法所规划路径长度更短, 搜索稳定性更好, 能有效控制算法陷入局部最优.     

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。