改进粒子群算法的三维空间路径规划研究

提出一种自适应混沌粒子群优化算法（SACPSO）用于三维空间路径规划。首先进行三维空间环境建模，并考虑使用路径长度、障碍物危险程度和路径平滑度三个评价函数来制定适应度函数；然后对算法中的三个控制参数提出了一种新的自适应更新策略，以此来动态调整算法的全局探索和局部开发能力；最后当种群陷入局部极值时，利用提出的自适应Logistic混沌映射对全局最优粒子进行混沌优化，引导种群跳出局部极值点。将该算法与其他改进的粒子群算法比较，结果表明，该算法在收敛到全局最优解时所用迭代次数更少，生成路径质量更高，有效地提高了粒子群算法应用于三维空间路径规划时的计算效率和可靠性。     

改进遗传算法在移动机器人路径规划中的应用

提出了一种应用于机器人路径规划的改进自适应遗传算法。在遗传算法的选择操作中引入模拟退火思想，以此来提高算法的全局搜索能力；对交叉、变异算子自调整策略进行改进，以提高算法的收敛速度；将规划出的路径做平滑优化处理，并根据路径与障碍物间的距离进行不同速度段的划分；在适应度函数中加入安全行驶速度和转弯次数等多个规划指标，使规划出的路径更加安全高效。仿真实验表明，改进后的算法实现效率好、安全可靠性高，规划出的路径也更加符合实际情况。     

Catmull-Clark细分曲面的形状调整

提出一种调整细分曲面形状的算法．该算法用cosα(Ck)取代C-B样条的形状因子α，并将Ck的定义区间从[-1，1]扩大到[-1，∞)；然后用这种扩展了的GB样条来构造catmull—clark细分曲面；使得生成细分曲面的形状不仅能够在C-B样条的范围内可调，而且还能在标准的catmull-clark细分曲面和初始的控制网格之间任意调整．该算法保留了C-B样条和catmull-clark细分曲面的主要特点，如精确表示圆柱体、处理任意拓扑结构的控制网格等。     

基于规则的机器人路径规则

用层次结构表示机器人工作环境，以动态规划算法为核心实现了一个路径规划系统。该系统由３大部分组成：①环境建划；②路径规划；③基于产生式的机器人路径实现。本文简要说明了该系统的设计思想，并介绍其基于产生式规则的路径实现部分的功能及其设计．     

基于相关因子的节点不相交的Ad Hoc多路径路由算法

多路径路由算法可以均衡负载、提高可靠性，但是Ad Hoc网络的无线多播特性（WMA）使得多路径数据传输存在严重的；中突隐患，即便是节点不相交的多路径，以并发的方式来进行数据传输的效率并没有理论上的高．为此本文提出基于相关因子的节点不相交的多路径路由算法（NDCF），该算法引入相关因子来衡量多条节点不相交路径以并发的方式进行数据传输时发生；中突的可能性的大小，从而选择冲突可能性最小的节点不相交路径．仿真结果表明，NDCF算法可明显提高数据包的投递率．降低端到端的传输时延．     

基于混合遗传算法的有效路径求解

有效路径集的计算对交通分配有较大的影响，根据用户选择路径的特点以及交通限制的情况，重新定义了有效路径；并设计了基于顶点出度的混合遗传算法求解有效路径集合。算法采用正整数编码方法，编码产生时考虑了其生成概率，并采用了自适应调节算法来控制交叉、变异概率和模拟退火算法进行选择以保持群体的多样性及收敛性；算法不需要对染色体进行修补，弥补了基于优先权遗传算法计算路径时的不足。算法在解码过程中考虑了交叉口延误及交通限制情况，并利用算法的寻优迭代过程来产生有效路径的集合，采用同时解码的方式，同时对多对OD间计算有效路径，提高了计算多点对之间有效路径的效率。最后的计算实例分析表明该算法的有效性。     

多方向无人水面艇路径规划算法

针对海洋环境下无人水面艇路径（USV）规划安全性与平滑性问题，提出一种多方向A^*路径规划算法以获得全局最优路径。首先，结合电子海图生成栅格化环境信息，并根据安全航行距离约束建立USV安全区域模型，在传统A^*算法基础上设计一种带安全距离约束的A^*启发函数来保证生成的路径节点的安全；其次，改进传统A^*算法的八方向搜索模式，提出一种多方向搜索模式来调整生成路径中的冗余点与拐点；最后，采用路径平滑算法对路径拐点进行平滑处理以获得满足实际航行要求的连续平滑路径。在仿真实验中，改进A^*算法规划的路径距离为7 043 m，相较于Dijkstra算法、传统A^*四方向搜索算法和传统A^*八方向搜索算法分别降低了9.7%、26.6%和7.9%。仿真结果表明改进后的多方向A^*搜索算法能够有效减小路径距离，更适用于USV路径规划问题。     

基于扩展路径表达式的XML查询

XML查询问题是当前计算机界研究的热点问题之一，国内外学者提出了众多的模型与算法．其中，日本学者Makoto Murata等提出采用扩展路径表达式来表达查询，并利用hedge自动机和字符串自动机进行XML的查询计算．这种方法与采用路径表达式控制的XML查询相比，克服了后者不能充分利用XML文档有序性的缺点．另外，扩展路径表达式具有较强的表达能力，可以表达任何MSO(一元二阶逻辑)查询．因此，扩展路径表达式已作为XML查询问题研究的主要理论框架之一，但是扩展路径表达式的编写比较困难，表达式也比较复杂，导致算法时间复杂度的提高．在扩展路径表达式中引入通配符，使得扩展路径表达式更加简单灵活；同时在查询的计算过程中提出并应用带截止集的自动机提高计算的时间效率．     

第k条最大可用带宽路径算法

该文提出了无环路的第k条最大可用带宽路径算法．由于具有凹性的带宽和具有加性的代价存在本质区别，第k条最大可用带宽路径算法不能通过简单修改第k条最短路径算法得到．该文结合两个新定义的路径操作和修改的二重扫除算法完成第k条最大可用带宽路径算法，并证明其正确性、无环性和具有多项式复杂性，最后给出实例并讨论算法实际应用．该文解决了基于带宽度量的路由算法中一类很基本的问题；因算法采用能反映网络实时特性的可用带宽作为路由度量，能直接保证网络带宽资源的最优利用．     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型，因此当计算网络的节点数目较大时，计算的时间将急剧膨胀。为了快速地搜索到最优路径，基于分层网络拓扑结构（HiTopo），提出了双向分层搜索最优路径算法（BHWA）；该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标；（2）在路径计算过程中，使用弧段作为搜索目标，并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上，还提高了路径搜索结果的准确性；通过进一步研究表明，如果使用启发式搜索来对算法进行优化，则可以使算法的速度有更大的提升。     

动态环境下改进蚁群算法的多Agent路径规划

针对动态环境下的多Agent路径规划问题,提出了一种改进的蚁群算法与烟花算法相结合的动态路径规划方法。通过自适应信息素强度值及信息素缩减因子来加快算法的迭代速度,并利用烟花算法来解决路径规划过程中的死锁问题,避免陷入局部最优。在多Agent动态避碰过程中,根据动态障碍物与多Agent之间的运行轨迹是否相交制定相应的避碰策略,并利用路径转变函数解决多Agent的正面碰撞问题。仿真实验表明,该方法优于经典蚁群算法,能够有效解决多Agent路径规划中的碰撞问题,从而快速找到最优无碰路径。     

基于Floyd算法的多重最短路问题的改进算法

路径分析是网络分析最基本的问题,其核心是对最短路径的求解。Floyd算法是一种求取最短路的经典算法。分析发现,两点间可能存在多条权重相同的最短路径,而这一点Floyd算法没有涉及。以无向联通图为研究对象,设计了基于Floyd求解多重等价最短路算法,并分析计算了一个实际算例。计算结果表明,基于Floyd的多重等价最短路算法可以有效解决多重等价最短路问题。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

迷宫问题的路径优化

迷宫问题是图形学、图论和数据结构等领域中的一个经典问题。目前解决迷宫问题的算法主要包括传统算法以及智能算法两大类。如何更好的解决迷宫问题获得最优路径一直是有待解决的问题。首先基于蚁群算法获得导航路径,然后利用粒子群算法优化导航路径获得近似最优化路径。实验仿真表明,利用粒子群算法优化后的路径效果十分令人满意。     

带杂交算子的蚁群算法求解动态网络中的最短路径问题

动态网络与传统的网络模型相比更具有现实意义,具有广泛的应用领域。本文对动态网络模型进行了描述,用实例证明了著名的Dijkstra算法在动态网络中不能有效地求解最短路径问题,提出了一种用带杂交算子的蚁群算法来求解动态网络最短路径问题的新算法。此算法不仅能够以较大的概率找到最优解而且对网络没有任何约束条件,即对离散
散和连续的动态网络模型都有效,而且用实例证明了算法的稳定性。     

基于多曲率拟合模型的无人车路径规划研究

针对无人驾驶车辆的局部路径规划问题,提出一种基于多次曲率拟合模型的路径规划算法。鉴于无人车辆需要生成无碰路径的特点,建立了由三次曲率多项式产生的候选路径集,采用四重参数循环法解决了三次曲率多项式参数计算的问题,进而能够根据评价函数从候选路径集中选择出当前环境下的最优路径。所提出的无人车局部路径规划算法经现场多个路口通过性实验证明了有效性。     

一种新型的求解城市公交路网的并行PSO算法

粒子群算法是求解组合优化的新智能算法,本文以串行粒子群算法机理为核心,结合运筹学旅行商组合优化理论和并行的OpenMP技术,给出一种规划城市公交路网最短路径的并行PSO算法模型。通过Visual Studio 2005中C++编程实现仿真,得到城市公交路网路程权重最短目标,并与串行粒子群算法结果进行比较。实验结果表明,该算法不但能解决城市公交路网问题,而且执行时间短,具有更好的鲁棒性。     

基于定位点和路径复用的大型多人在线游戏寻路算法

针对当前寻路算法不能很好满足大型多人在线游戏对于可靠性和低消耗的要求,提出一种基于定位点和路径复用的大型多人在线游戏寻路算法。通过定位点的使用和路径复用,使得无用空间的探索大幅减少,降低了服务器的负载,最终探索出一条接近最优的路径。实验结果表明,该算法具有更高的效率,对于大型多人在线游戏寻路是一个切实可行的解决方案。     

基于改进A*算法的分拣搬运机器人路径规划

为了解决分拣搬运机器人在路径规划过程中,遇到目标点众多的情况时存在路径寻优效率低、容易出错等问题。针对A*算法存在多个最小值时,无法实现路径最优化的问题进行研究,提出一种将蚁群算法与A*算法相结合的改进A*算法。首先使用A*算法筛选出一条最优化的路线来分布信息素,从而简化A*算法在路径规划上的运算。其次以筛选出的路线为基础,针对不同情况结合蚁群算法设计了三种通用方案,以此为基础进行具体的路径规划,从而解决A*算法本身存在的容易带入大量重复数据的问题。通过仿真与实际实验验证了本文提出的改进的A*算法能够满足自动分拣搬运的需求,值得推广与使用。     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。