基于改进型遗传算法的AUV路径规划

针对基本遗传算法求解AUV路径规划问题时存在收敛速度慢等缺陷,提出一种基于改进型遗传算法（IGA）的路径规划方法,该方法采用改进的遗传算法、具有明确物理意义的适应度函数,提高了算法搜索的速度和优化的程度,解决了AUV多目标优化的路径规划问题。仿真试验结果证明：该方法是正确有效、稳定的,并且比基本遗传算法得到的路径更优,收敛速度得到显著提高。     

基于遗传算法的机器人路径规划

采用栅格法表示机器人工作环境模型，用序号编码，直角坐标与序号混合应用，采用遗传算法产生初始路径种群，并对其优化找出最短路径，然后增加删除，插入算子达到路径规划中避障的要求。用MATLAB语言进行的仿真研究，仿真结果表明遗传算法进行避障和路径规划的有效性和可行性。     

遗传算法在机器人路径规划中的应用研究

采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,应用遗传算法对机器人路径规划作了研究。文中引入间断无障碍路径新概念以简化初始种群产生,定义了插入算子和删除算子以保证路径的连续性和简明性。应用遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶｌ．０对所提方法作的仿真研究结果表明,该方法可行。     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

基于可拓遗传算法的机器人路径规划

在遗传算法基础上,用扩展物元来表示机器人的位置信息,使计算机能够较容易读懂这种语言,加快了计算速度;用关联函数作为遗传算法的适应度函数,使算法更容易找到最优化路径;采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式．实验证明,可拓遗传算法的机器人路径规划能有效提高的机器人路径规划的速度和准确性．     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

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。     

基于遗传算法的直角坐标式排牙机器人路径规划

针对多目标抓取的直角坐标排牙机器人的路径规划问题,研究了直角坐标排牙机器人的结构及抓取V型块的过程,按照最短行程的标准提出了优化问题,建立了实体的数学模型1,参考典型的TSP问题型将目标问题转化成类似TSP(traveling salesman problem)问题,并将模型1转化成抽象的数学模型2,并采用遗传算法的相关理论进行了求解,求解出了收敛的最优值,找到了最优的路径,具有充分的可行性.     

基于遗传算法的移动机器人路径规划设计

遗传算法是在自然界遗传机制基础上衍生出来的模拟生物进化论的一种方法,即同步搜索最优化的方法,被广泛运用于机器人路径规划中.文章将遗传算法和栅格法相结合来解决机器人避障的路径规划问题,并采用MATLAB软件编程仿真实现,仿真结果表明:该方法可以在较复杂的环境中规划出长度最短的可行路径.     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

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。     

轮式移动机器人路径规划的遗传进化算法

主要研究了已知障碍空间的、基于目标定位的移动式机器人行走路径规划及优化的遗传进化算法的求解方法。在此方法中，把预定目标定为机器人运动规划的吸引子，障碍物作为排斥子，针对障碍环境的特点设计了有效的遗传算子，并提出了度量个体适应度及群体适应度的计算方法，该方法编码简单、方便、占用空间小。实验调试表明，此算法效果良好，经过若干代的进化总能得到较优的规划结果。     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS（geographicinformationsystem）地图的移动机器人路径规划．该方法应用改进A’算法,较好地实现了移动机器人的最优路径规划．在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹．应用VC＋＋编程进行实验,证明了该方法的有效性．     

一种实用的移动机器人及其路径规划策略

设计了一种可执行搬运任务的轮式移动机器人，并结合实际，提出了一种简单实用的路径规划策略。该算法实施简便，实用性强，使机器人能够准确按照预定路线，遍历所有目标地点。     

基于改进蚁群算法的移动机器人全局路径规划

对已栅格化的机器人运动空间中的障碍物预处理,在蚁群算法原理的基础上,改进了伪随机比例规则,使蚂蚁的下一节点选择更加倾向于目标点,提高了蚂蚁的搜索效率。引入最优一最差蚂蚁思想来更新全局信息素轨迹的强度,增强搜索过程的指导性。为了防止早熟收敛现象的发生,采用最大一最小蚂蚁思想来限制信息素的强度。仿真研究表明：该算法具有高适用性和灵活性,对解决静态路径规划问题是可行的,有效的。     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。