基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

改进Ａ∗算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法。首先,对全局规划A*算法进行改进。改进后的A*算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与目标点的相对位置和改变合力角度的方法来解决目标不可达问题和局部极小值问题;最后对所提算法进行仿真,仿真结果表明该算法可以有效解决复杂环境下移动机器人路径规划的问题,提高规划效率。     

改进A*算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法.首先,对全局规划A *算法进行改进.改进后的A *算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与...     

融合人工势场蚁群算法的移动机器人路径规划

通过对人工势场法与蚁群算法进行融合,给出了一种融合人工势场蚁群算法的移动机器人路径规划算法。一方面,引入目标点距离影响因子,改善势场力对移动机器人路径搜索的影响,通过改进斥力场函数,避免移动机器人因受到较大的斥力而无法规划出最优路径;另一方面,构造势场力启发函数,同时考虑距离启发信息和势场启发信息,初始化信息素的差异化分配方式有利于提高算法的收敛速度。实验结果表明,融合人工势场蚁群算法相比于文献[15]算法,在最优路径长度、路径转折次数、收敛速度三方面分别提高了2.6%,25%和66.7%,表明了该算法在路径规划方面的优越性。     

智能仓储车间中多AGV路径优化算法研究

针对智能仓储车间中采用自动化物料运输系统的多AGV(Automated Guided Vehicle)路径规划求解速度慢、最优路径易冲突问题,本文提出了一种人工势场蚁群融合算法。首先针对人工势场法目标不可达问题提出斥力场改进方法,融合蚁群算法的启发式信息及信息素更新优化生成每台AGV的初始路径,然后通过多AGV冲突解决策略在路径长度最短、光滑度最高的基础上避开冲突以解决多AGV路径规划问题。仿真结果表明,在优化路径长度、求解速度方面均优于传统蚁群算法和蚁群优化算法,在仓储环境下多AGV冲突解决策略能够以极小代价解决路径冲突。     

基于多目标粒子群-人工势场法的无人艇局部航路规划

针对无人艇在执行作战任务过程中,需要临机调整局部航路以实现紧急避障的需求,提出一种基于多目标粒子群-人工势场法的无人艇局部航路规划方法,首先针对传统人工势场法极小值问题,提出一种目标平移法进行改进,能够引导无人艇跳出局部极小值区域,并采用多目标粒子群算法对改进后的人工势场法参数进行优化,设计出基于航路危险系数、路径长度系数、路径转向角系数的多目标代价函数,实现了人工势场法参数快速、自主、最优调整。最后,通过不同工况下的仿真试验,验证了所提算法的有效性。     

基于蚁群算法的物流配送路径优化方法研究

针对港口物流配送的路径优化问题,文中提出了基于改进蚁群算法的最优路径规划方法。该方法考虑了现实环境中的配送约束条件,并以总的规划路径长度最小化为目标建立系统模型。其在标准蚁群算法的基础上,通过改进蚂蚁对下个目标节点的选择方式,并对非最优解加以重复利用来充分探索可能的配送路径。同时减小解空间中最优解与非最优解间的信息素浓度差,进而提高算法跳出局部最优的概率。通过将随机产生的多个目标节点作为仿真环境,对所提算法与现有算法进行对比。测试结果表明,所提算法不仅可有效规划物流配送路径,且其规划出的路径总长度更短,寻求全局最优解的能力也更强。     

改进势场蚁群法的机器人避障及路径规划

针对传统蚁群算法机器人在路径规划过程中出现收敛速度缓慢和陷入局部最优的问题,将蚁群算法与加入虚拟牵引力和快速函数的人工势场法相结合,引入势场合力作为蚂蚁搜索路径点的部分启发信息,使结合后的算法具有较高的全局搜索能力,避免了传统蚁群算法由于启发信息误导所致的局部最优问题,同时提高了收敛速度。为了验证此方法的有效性,用Matlab软件进行仿真实验,结果表明机器人运动轨迹平滑,接近最优路径。     

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。     

基于Voronoi图的UAV攻击多移动目标的路径规划算法研究

文章针对动态环境下的单个无人机进行攻打多个移动目标的路径规划问题提出了一种基于Voronoi图的算法。Voronoi图首先被用来建立静态的威胁场,同时确定并且计算路径规划的威胁总代价。接着通过分析威胁场的分布对于dijkstra算法进行了改进和优化,针对Voronoi图之外的路径点生成局部路径,而针对Voronoi图内的路径点则采用Dijkstra算法沿Voronoi图的边缘进行向移动目标的循迹,最后在matlab平台上对于文章提出的路径规划方法进行了仿真分析,仿真结果验证了文章所提算法的有效性及鲁棒性。     

融合改进A*算法和动态窗口法的全局动态路径规划

为解决移动机器人路径规划难题,设计了融合改进A*算法和动态窗口法的全局动态路径规划方法.首先,基于传统A*算法结合JPS算法对子节点进行扩展跳跃,提高路径规划效率;其次,结合Floyd算法对所规划路径进行平滑优化;最后,融合动态窗口法使A*算法可进行全局动态路径规划.基于Matlab平台将全局动态路径规划算法在8种规格...     

基于改进蚁群算法的移动机器人动态路径规划方法

 本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性.     

移动机器人改进人工势场的路径规划方法研究

针对传统人工势场法进行移动机器人路径规划过程中常出现目标不可达、局部极小值等问题,提出一种改进人工势场的移动机器人路径规划新方法。将移动机器人和目标点之间的欧氏距离融入到斥力函数中,并将障碍物产生的斥力分解为两个不同方向的斥力分量,引导移动机器人到达目标点;根据移动机器人的位置、障碍物的最大影响距离以及移动机器人与目标点之间的欧氏距离建立数学关系,寻找虚拟目标点,以解决移动机器人在移动过程中受到的合力为零时出现的局部极小值问题。仿真及实验结果表明,改进人工势场算法能够使移动机器人顺利绕过障碍物到达目标点。     

改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

基于改进RRT算法的移动机器人路径规划

RRT算法是一种能够处理障碍物和差分约束的问题的算法,被广泛应用于移动机器人的路径规划.针对于基本RRT算法存在的随机性较大和所求解路径非最优等问题,需要对其进行改进从而优化性能与运行效率.本文主要采用双向RRT算法融合人工势场法的方案进行改进后的路径规划,然后借助Dijkstra算法进一步处理所求解的路径,以寻求路径的最优解.仿真结果表明,本方案可以减少基本RRT算法随机性的影响,提高移动机器人路径规划的效率.     

避障机器人路径规划算法的研究

结合移动机器人的实际应用场景,针对常规算法规划出的路径存在折点多、转弯角度过大、与障碍物距离较小、搜索的路径较长等问题,对在栅格地图下混合全局路径规划与局部路径规划算法进行了研究,采用人工势场算法与蚁群算法混合,为移动机器人规划出全局最优路径,同时实时躲避局部障碍物。经过仿真测试,移动机器人可以根据全局路径规划的路径得到最优的整体路径,通过局部路径规划算法避开局部区域的障碍物,使移动机器人能够从起点平稳无碰撞地行驶至目标点。     

基于改进蚁群算法的移动机器人路径规划研究

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。     

基于改进蚁群算法的无人机二维航迹规划和重规划

文中研究了一种改进蚁群算法在无人机二维航迹规划和重规划中的应用。为了克服基本蚁群算法容易陷入局部最优和迭代停滞的现象,文中通过引入伪随机状态转移规则对基本蚁群算法进行改进;并通过引入动态窗口这个概念进行无人机二维航迹重规划。最后给出仿真验证,从仿真结果看出来:文中改进蚁群算法在解的优越性和有效性方面全面优于基本蚁群算法,同时可以看出文中改进蚁群算法在重规划中具有很强的适应性。     

基于改进人工势场法的动态避障研究

针对人工势场法对于传统智能车动态避障过程中存在的目标点不可达和陷入局部最优解问题,将传统人工势场法进行改进,加入约束条件,重新构建目标点引力场和目标点斥力场,并引入虚拟局部区域,解决目标点不可达和局部最小点问题,完成动态准确避障行为,仿真实验验证了此方法的有效性。     

改进蚁群算法的机器人路径规划研究

针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A ^*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。