基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

动态危险天气下改航路径快速规划方法

针对危险天气条件下进场航空器的改航路径规划问题,利用栅格法构建终端区空域模型,从静态和动态2个方面提出危险天气飞行限制区(flight forbidden area,FFA)的划设方法。在引入自适应扩展节点的概念并优化代价函数的基础上,基于A~*算法分别构建静态和动态条件下的改航路径快速规划模型,实现了在危险天气下改航路径的快速、合理规划。以厦门终端区为例的仿真实验表明,该方法在合理规划改航路径的同时,减少了计算复杂度,提升了计算效率,为有效利用空域资源、减少航班延误提供了技术支持。     

一种基于等步长分层拓展的混合A~*路径规划方法

针对传统混合A~*算法搜索效率较低且搜索路径平滑性较差的问题,文章提出一种基于等步长分层拓展的混合A~*路径规划方法,可应用于非结构化道路场景,为智能车辆规划一条安全、平滑且满足车辆运动学约束的可行驶路径。其首先通过改进的子节点拓展方式和合理设计的启发式函数与代价函数,保证算法快速搜索得到一条较平滑的车辆可行驶路径;然后采用数值优化方法对搜索得到的路径进一步地优化平滑;最后针对路径点稀疏和不均匀的问题,采用三次样条曲线对路径点进行插值处理。仿真对比试验与实车试验结果表明,所提方法能显著提高路径搜索效率,与传统算法相比,平均搜索时间减少了51.6%,且搜索得到的路径具有足够的安全性和较好的平滑性。     

一种改进的灭火救援路径规划理论与实现

对经典的最短路径算法进行分析,结合人工智能领域的启发式搜索,给出一个基于启发式的最短路径算法。对该算法从代价函数和排序方法方面提出了改进策略。仿真实验数据表明,该方法优于经典的最短路径算法,能够有效地缩短路径查找时间,从而提高灭火救援的效率。     

教学建筑室内火灾应急疏散路径寻优算法研究

为解决建筑内人员疏散模拟时间长、效率低、无法根据火灾情况改变疏散方向的问题,提出一种新型的混合路径规划算法。首先,在A*算法中加入奖惩机制并对启发函数进行改进。其次,通过改进斥力函数解决人工势场算法易陷入局部极小值的问题。最后,将两种算法组合,构成一种混合路径规划算法。通过对某教学建筑应用BIM和PyroSim软件进行建模与分析,验证混合路径规划算法的可行性。结果表明,所提算法不仅能够快速找到最优疏散路径,还可以避免疏散路径经过危险区域。与单一算法相比,混合路径规划算法遍历节点个数更少,路径平滑性与路径规划效果更好,路径规划效率更高。     

自动驾驶塔机的场景建模及运行路径规划研究

基于三维场景建模和路径规划技术,对塔机自动驾驶进行研究。首先,通过生成塔机的URDF模型,建立柱坐标系描述其运动姿态;然后,利用激光雷达扫描获取环境点云,构建三维栅格地图;将塔机与环境模型融合于统一的场景坐标下,建立塔机运行场景模型。通过改进粒子群算法,优化路径生成空间、重排序初代粒子、优化粒子代价函数,提高路径质量和搜索效率。最终,在场景模型中展示塔机吊点的运行轨迹,验证算法有效性,为塔机自动驾驶奠定基础。     

基于局部最小能量的移动机器人路径规划

从移动机器人运动能量损耗的角度对移动机器人全局环境未知时的路径规划问题进行了探索,提出了一种新的基于局部最小能量的路径规划算法.采用概率手段创建了平面环境中不同区域的能量损耗模型,通过引入复杂环境中移动机器人运动规划的最小能量法,设计了一局部能量函数对机器人进行实时局部最优路径规划.仿真试验表明该算法具有较强的适应能力和可行性,在高复杂度、高密度的未知障碍环境中移动机器人依然可以顺利抵达目标点.     

一种基于威胁势场的A星路径规划算法

为了解决传统A星算法在路径规划中因忽略障碍物威胁而导致规划路径并不安全的问题,提出了一种基于威胁势场的A星路径规划方法,该方法中将障碍物理解成一个具有威胁势场的对象,威胁值与离障碍物的距离成反比关系,将该威胁值引入估价函数中,作为整个估价函数的评价标准,经过仿真实验验证,该方法实现了威胁最小的有效路径规划,提高了路径规划的安全性能。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

面向室内实时路径规划的最短路径缓存算法

本文通过分析室内实时路径规划中,以人的行走状态与习惯导致相邻两次路径规划结果在短时间内具有的相关性,分析了现有最短路径缓存查询方法在该情景下应用的缺陷,建立了路径相关性缓存代价模型,并提出了一种面向室内路网中实时路径规划的最短路径缓存构建的LPR算法,通过动态更新缓存结构,提高该情景下的最短路径缓存查询效率。实验证明,本文提出的方法较现有方法具有更高的命中率和时间节约效率。