基于电路映射地图的机器人路径规划

分析比较了障碍分布特性与网格电路电阻阻值之间的类似特性，利用电路中电流集中于阻值最小通路的原理，即最大电流通路具有与实际环境中道路长度短而且在障碍区中的道路宽度大的路径的相互对应性，尝试了一种基于电路地图的路径规划方法．这种方法在局部规划的同时，兼备了路径规划的全局性，有效地从根本上避免了人工势场法等方法容易陷入局部最优的不足．理论分析和仿真验证了本方法的可行性和正确性．     

复杂环境中基于人工势场优化算法的最优路径规划

本文提出一种基于人工势场优化的路径规划方法.把人工势场的路径规划结果作为先验知识，对蚁群算法进行初始化，提高了蚁群算法的优化效率;另一方面，机器人的路径也同时得到优化，克服了人工势场法的局部极小问题．仿真实验结果表明，该方法在复杂环境中能有效地实现最优路径规划；并提供了一种把传统规划方法和统计优化相结合、提高规划效率的可行思路．     

复杂环境下移动机器人自动路径规划研究

良好的路径规划算法是保证移动机器人安全平稳地实现其导航功能的重要保证,也是机器人智能水平的体现。在常规障碍物环境中,常有静态和少量的动态障碍物,通常采用全局路径规划法求出全局最优路径;利用本地路径规划算法对障碍物进行实时规避。基于此,将主要针对移动机器人在复杂环境下的自动路径规划展开相关探讨研究。     

基于遗传神经网络的车辆导航路径规划

研究使用混合 GA-BP 神经网络算法来解决交通路径规划中的非线性问题。反向传播(Back-Propagation, BP)神经网络虽然能够很好地解决非线性问题,但它存在着容易陷入局部极小的不足,而遗传算法(Genetic Algorithm, GA)具有很强的宏观搜索能力和良好的全局优化性能,可以弥补BP的不足。用A*算法快速粗算出的几条可选路径作为 GA 的初始种群,然后用混合的 GA-BP 神经网络算法进行路径规划精算。仿真结果显示混合GA-BP神经网络算法在寻找路径规划的全局最优解上具有一定的优势。     

基于非线性有约束最优化的路径规划研究

研究采用智能的方法来进行路径规划,通常作为一类优化组合问题来解决.因此,提出一种非线性有约束最优化问题的路径规划新方法.在静态环境中,把障碍物图形化处理后,应用线性规划思想,每个搜索点以目标点为导向寻找最优路径.仿真结果表明,改进方法能够快速准确的找到一条可行的最短路径.     

基于PSO算法路径规划的研究

在实时的交通路况中,路径规划的核心问题是快速而有效地找到从起点到达终点的最优路线。将PSO算法应用到的路径规划中来,针对实时变化的交通路况,在适应度函数中引入惩罚项来实现静态和动态下的路径规划,并通过引入变异算子的操作来避免该算法陷入局部最优。实验表明,改进后的PSO算法搜索效率高,时间开销随路网规模的扩大增幅较小,适用于大规模路网和动态路径规划。     

基于电路地图的带拖车移动机器人路径搜索

采用电路映射地图进行环境建模,在等效尺寸的基础上对带拖车移动机器人的路径规划进行研究．这种方法在局部规划的同时,兼备了路径规划的全局性,有效地从根本上避免了人工势场法等局部分析方法容易陷入局部最优的不足．理论分析和仿真验证了本方法的可行性和正确性．     

动态环境下机器人路径规划的一种新方法

提出了一种动态环境下实用于机器人路径规划的新方法。该方法先利用链接图法对环境建模,再通过遗传算法搜索出全局最短路径。然后在机器人行进过程中再分别遇到障碍物的类型不同而采取不同的局部路径规划策略完成避障,同时顺利达到目的地。仿真表明该方法具有可行性。     

基于遗传算法的六自由度机器人焊接路径规划

对六自由度焊接机器人的轨迹焊接问题,提出了基于遗传算法的路径规划方法。通过D-H法,建立六自由度焊接机器人的运动方程,以系统总的能量损耗为适应度函数,利用遗传算法,给出优化路径。并以实际中的某型号六自由度焊接机器人为例,通过仿真实验证明了该方法的正确性与可行性。     

基于时刻表的多模式交通网络路径规划

城市交通系统正逐渐由原来的单一模式转变为相互连通的多模式,为了更准确地表达多模式交通网络系统,并满足个人出行时路线规划和时间预测的要求,该文以Oracle空间网络数据模型为建模基础,以武汉市为例,选取了道路网、公交路网和地铁路网三种路网模式构建了多模式交通路网,并且加入公交线路和地铁线路的时刻表因素,旨在使出行者通过该模型可以找到到达目的地的最快路线并预估该路线所需时间.     

基于预测信息的时间依赖网络路径规划算法

分析最小时间规划算法,针对算法在应用上存在的不足,在研究SPFA静态规划算法的基础上,结合该规划算法的优点,提出一种改进的最小时间路径规划算法。实例验证结果表明,该算法能够提供实时、高效、预测性强的规划路径,在城市交通中较好地满足用户的需求。     

复杂环境下基于势场原理的路径规划方法

针对势场原理所固有的几个缺陷:在相近障碍物间不能发现路径;在狭窄通道中摆动;在障碍物前振荡;存在陷阱区域;当目标附近有障碍物时无法达到目标点,提出了改进办法.改进后的势场法适用于未知复杂环境下移动机器人的路径规划,并具备一定的学习能力.仿真实验验证了该方法的有效性.     

基于非线性维数缩减的复杂网络聚类可视化

提出了一种新的复杂网络聚类可视化方法,该方法基于非线性维数缩减技术:Isomap.在算法中首先根据网络的邻接矩阵定义了一种新的成对节点间的图距离,然后把由该距离计算得出的节点间的距离矩阵作为Isomap的输入,将网络的节点投影到二维平面上.实验表明,投影后的点在二维平面上的分布能够保持原始网络中的局部和全局的几何结构,且具有更均匀的分布,这对于网络节点的聚类可视化大有裨益.     

基于改进粒子群算法的电路板测试路径规划

针对飞针测试机检测电路板时检测时间长、测试效率低、单针检测容易撞针等问题,提出了一种基于改进粒子群算法的测试路径规划算法.首先,使用分区检测的方式解决两针相撞问题;其次,提出一种改进的粒子群算法,在粒子群算法的基础上加入混沌初始化公式用于约束和更新搜索的最大速度,引入遗传算法的交叉、变异的思想,改进粒子群算法易于趋于局部最优的缺陷,提升了算法的全局搜索能力.与粒子群算法、遗传算法进行有效性的对比分析与实机测试.结果表明:此算法可以有效解决测试时两针相撞问题;比起其他两种算法改进粒子群算法在更少的迭代数的同时全局搜索能力更强,可以减少30%算法运算时间、降低10%的测试距离,具有一定的工程应用价值.     

Generative Adversarial Network Based Heuristics for Sampling-Based Path Planning

Sampling-based path planning is a popular methodology for robot path planning.With a uniform sampling strategy to explore the state space,a feasible path can be found without the complex geometric modeling of the configuration space.However,the quality of the initial solution is not guaranteed,and the convergence speed to the optimal solution is slow.In this paper,we present a novel image-based path planning algorithm to overcome these limitations.Specifically,a generative adversarial network(GAN)is designed to take the environment map(denoted as RGB image)as the input without other preprocessing works.The output is also an RGB image where the promising region(where a feasible path probably exists)is segmented.This promising region is utilized as a heuristic to achieve non-uniform sampling for the path planner.We conduct a number of simulation experiments to validate the effectiveness of the proposed method,and the results demonstrate that our method performs much better in terms of the quality of the initial solution and the convergence speed to the optimal solution.Furthermore,apart from the environments similar to the training set,our method also works well on the environments which are very different from the training set.     

基于复杂网络理论的大型电路分析与优化

针对微电子工艺发展所带来的电路集成密度大、结构复杂的问题,提出一种基于复杂网络理论的电路分析和优化方法.该方法以IBM-PLACE2.0超图基准电路为研究对象,分析该电路的度分布、聚类系数等网络特征,发现其有无标度和小世界的性质,从而给出大规模集成电路的优化设计方法.实验结果表明,该优化方法能提高大型电路的鲁棒性和使用...     

基于神经网络的机器人路径规划算法

机器人路径规划技术是机器人研究的一个重要领域.针对未知的全局环境,使机器路径最优化,利用机器人传感器网络建立可视区域,将整体任务分解为环境信息已知的一系列子任务,利用神经网络高速并行计算的优点,建立神经网络罚函数,提出一种实时性较高的变参数方法离散化求取罚函数的负梯度方向,控制机器人快速高效地完成子任务,从而驱使机器人到达目标点并进行仿真.仿真结果证明了复杂环境静态和动态目标指引下方法的有效性和实用性,特别适用于实时性要求高的场合.