基于改进遗传算法的室内移动机器人路径规划

将一种改进的遗传算法应用到室内移动机器人的路径规划中。能够克服机器人运动路径穿越障碍物,算法收敛速度慢,容易陷入局部最优等缺点。根据环境先验知识从种群数目筛选、适应度函数的确定、遗传操作等方面进行了改进,加快了算法的搜索进程和演化效率。提出了一种将环境中大障碍物分割并多圆化处理的方法,并根据障碍物与机器人每步运动轨迹间的位置关系来设计遗传算法的适应度函数,扩充了可行区域并有效避免机器人和障碍物发生碰撞。应用此算法可以获得移动机器人从起点到终点的全局最优路径,在MATLAB软件中仿真得到的结果证明,改进的遗传算法搜索质量高、进化和收敛速度快,得到的最优路径能够有效指导移动机器人完成室内的避障移动任务。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

蝴蝶优化算法的移动机器人全局路径规划研究

针对移动机器人路径规划问题提出了一种改进的蝴蝶优化算法。将蝴蝶优化算法与栅格法相结合,并对两种方法结合后的算法进行了具体说明;引入了禁忌表和回溯法,解决了算法在路径寻优中无后续扩展节点的问题;结合三次B样条曲线将路径规划中的最优节点作为控制点进行平滑输出,使移动机器人实际运动路径更加平滑。通过仿真实验,将改进算法与蚁群算法、遗传算法进行比较,证实了改进算法能够有效解决路径规划问题。将改进算法应用到实际的基于ROS的移动机器人上,实验结果证明了改进算法的有效性和可行性。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

蚁群遗传算法在移动机器人路径规划中的综合应用研究

针对基本蚁群算法在机器人路径规划搜索初期盲目性大、效率低以及其搜索后期容易陷入局部最优等缺陷,把遗传算法引入到蚁群算法中,提出了基于蚁群遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划方案进行仿真测试,仿真结果表明该方案能减少蚁群算法搜索初期的盲目性、缩小最优路径的查找范围,提高搜索最优路径的效率。     

采用蚁群算法优化的机器人运动路径能耗模糊控制研究

移动机器人在搜索目标过程中,运动路径较长,导致消耗功率较大。对此,创建移动机器人简图模型,采用Denavit-Hartenberg(D-H)方法推导机器人动力学方程式,对机器人运动路径进行规划。引用模糊控制器,采用蚁群算法对模糊控制器进行优化,设计了机器人改进模糊控制器优化流程。采用Matlab软件对移动机器人在不同环境下运动路径进行仿真实验。结果表明:在障碍物较少环境中,采用模糊控制器和改进模糊控制器,机器人搜索到的运动路径相同,消耗功率也几乎相同;在障碍物较多的环境中,采用模糊控制器,机器人搜索到的运动路径较长,消耗功率较大;而采用改进模糊控制器,搜索到的运动路径较短,消耗功率较小。采用改进模糊控制器,机器人能够快速地搜索到最优路径,从而降低能量消耗。     

基于改进遗传算法的移动机器人路径规划研究

基于传统遗传算法在移动机器人路径规划中应用的不足,对遗传算法进行了一定的改进.在初始化种群中采用闵科夫斯基和原理扩展障碍物,选择真正可行的区域,在可行区域中去初始化种群,这样提高了进化的速度;在选择算子中引入了相似性的概念,扩大父代的种类,避免快速进入局部最优解;在交叉算子中采用了动态确定变异概率,这样可以提高个体的质量;通过仿真证明了改进的遗传算法能够更快的收敛到全局最优解,方法是正确有效的.     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

移动机器人路径规划中的蚁群优化算法研究

针对将传统蚁群算法引入到移动机器人的路径规划当中会存在收敛速度慢、效率低下、容易陷入局部最优,甚至出现死锁等缺陷,提出一种改进的蚁群算法,以栅格法建立机器人工作环境,改进信息素的更新方式,设置信息素浓度的阀值,引入死锁处理策略,改进状态转移概率,增加解的多样性。在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明,改进的蚁群算法能缩小对最优路径的搜索范围,降低迭代次数,提高对最优解的搜索效率,能获得全局最优无碰撞的路径。     

基于改进遗传算法的自动导引小车路径规划及其实现平台

针对自动导引小车全局路径规划算法收敛慢和容易陷入局部最小值的问题,结合灰狼优化算法改进传统的精英保留策略,避免了传统精英保留策略使种群多样性变差的缺点,增强了全局搜索能力;为了防止染色体上的基因聚集到小的邻域内,提出了基于染色体信息熵的自适应变异和交叉概率的改进遗传算法,其中对于与障碍物相交的染色体片段采用邻域变异算子,使染色体片段快速避开障碍物。采用MATLAB GUI工具开发出基于改进遗传算法的移动机器人路径规划平台。实验结果表明,本文所提出的改进算法和开发平台能高效并可靠地求解复杂静态环境中的移动机器人路径规划问题。