长廊最短路径的最优算法

定义了长廊为平面上由一序列凸四边形构成的有界连通区域，提出长廊最短路径问题，并给出求长廊最短路径的一个算法，最后证明该算法的正确性和在最坏情况下的最优性。     

改进的Dijkstra算法在GIS路径规划中的应用

最短路径算法是计算机科学与地理信息科学等领域研究的热点。文章讨论了一种改进的Dijkstra算法,利用本算法根据用户给出的起始结点、必经点序列和目标结点在GIS的交通层网络图基础上进行路径规划,生成满足一定约束条件的最短路径。实际应用分析表明,改进的Dijkstra算法在提高网络系统空间分析效率方面是可行的。     

移动机器人路径规划的最短切线路径算法

本文提出一种移动机器人路径规划最短切线路径算法。依据此算法，机器人能顺利地避开障碍物到达目标位置，其原理简单，计算快捷，容易实现。仿真结果验证了它的有效性和实用性。     

移动机器人最优路径规划方法

针对移动机器人路径规划效率低的问题,提出了一种基于改进的最短路径快速算法的移动机器人最优路径规划方法。该方法在障碍Voronoi图基础上根据规则将起始点与终点加入该图以得到无碰撞路径图,然后采用改进的最短路径快速算法搜索从起始点到终点的最优无碰撞路径。仿真结果表明,采用该改进算法后,移动机器人能够沿着最优无碰撞路径前进,快速达到终点。     

基于GIS的最优路径自适应规划算法

基于GIS的最优路径自适应规划算法是公交交通的核心技术。该文研究公共交通网络的特性和路径自适应规划算法的需求特点,构建了公共交通网络的几何模型和数据模型,设计了最优路径自适应规划算法且分析了复杂度,完成了基于GIS的客户端图形化显示,并结合实际公交网络进行了算法的验证,实现了算法的实际应用。     

基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

机器人路径规划中的双向Dijkstra二叉树算法

在分析现有路径规划和碰撞检测方法的基础上,提出了一种新的机器人路径规划方法：双向Dijkstra二叉树算法。在机器人路径规划中应用传统的Dijkstra算法时间复杂度是O(n¬¬¬¬2),应用该文提出的算法进行路径规划的时间复杂度为O(nlog2n)。通过一些数据的检测,验证了在机器人路径规划中,尤其是在测试数据较多的情况下,该算法可以有效提高效率。     

基于改进蚁群算法的铁路路网最优路径规划

多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题,并将改进的蚁群算法应用于该问题,使查询系统能够满足各类用户的查询要求,并给出最优解或次优解。仿真实验表明：该算法的实时性很高,是一种行之有效的方法。     

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。     

针对公交的最优路径算法

在总结公交网络特点的基础上,提出了运用“燃烧”算法来计算公共交通系统的最优路径算法。并用一个简化的例子来说明了这种算法的算法流程,最后结合北京公交网络的一些数据,对这种算法以及经典的Dijstra算法做了几点比较,无论在空间还是时间复杂度上这种算法都大大优于Dijstra算法。     

蚁群算法在最优路径规划中的应用

最优路径规划是道路交通导航系统中很重要的一个功能。将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题,并提出一种改进的蚁群算法应用于该问题,使规划的路径更加符合各种要求。仿真结果表明,该算法能在较短时间内根据不同需求规划出较优的路径,是行之有效的方法。     

Two-way D algorithm for path planning and replanning

Inspired by the Witkowski’s algorithm, we introduce a novel path planning and replanning algorithm — the two-way D^∗ (TWD^∗) algorithm — based on a two-dimensional occupancy grid map of the environment. Unlike the Witkowski’s algorithm, which finds optimal paths only in binary occupancy grid maps, the TWD^∗ algorithm can find optimal paths in weighted occupancy grid maps. The optimal path found by the TWD^∗ algorithm is the shortest possible path for a given occupancy grid map of the environment. This path is more natural than the path found by the standard D^∗ algorithm as it consists of straight line segments with continuous headings. The TWD^∗ algorithm is tested and compared to the D^∗ and Witkowski’s algorithms by extensive simulations and experimentally on a Pioneer 3DX mobile robot equipped with a laser range finder.     

基于改进遗传算法的机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高.针对机器人路径规划的实际应用,通过优化设计标准遗传算法中的交叉算子和变异算子,提出一种应用于机器人路径规划的改进型遗传算法.在把地图特征信息引入遗传算子的操作过程中提高了算法的进化效率.计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高.     

基于WGAN-GP的搜索式路径规划算法

为了提升搜索式路径规划算法在C字型障碍中的探索效率,提出了一种基于对抗生成网络的A*算法。首先使用训练更为稳定的梯度惩罚Wasserstein对抗生成网络（WGAN-GP）生成存在可行路径的感兴趣区域;然后使用A*算法优先探索该区域,使得路径规划能够被有效引导;最终形成一条连续的路径。经过实验仿真验证,其相较于传统A*算法节约了31%的规划时间、减少了22.84%的探索空间,提升了路径规划算法的效率。实验结果表明,改进的A*算法具有较高的探索效率,能够更好地应用于机器人路径规划中。     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

最优路径问题的自适应伪并行免疫算法

针对标准遗传算法在解决路径规划问题中存在的不能以概率1收敛及进化时出现退化等情况,提出并实现了一种自适应伪并行免疫算法。利用多个子种群同时进化及小生境技术,给出了一种小生境伪并行协同进化策略。提出了一种新的编解码方式,给出了相关的免疫克隆、免疫优势等免疫算子的具体设计。进化过程中克隆规模可依据抗体－抗原亲合度、抗体－抗体亲合力自适应调整,采取了最优保存策略从而保证了算法以概率1收敛。实例验证了该算法的可行性、有效性,与标准遗传算法相比,增强了全局收敛,提高了收敛速度,通过仿真验证,该算法运算速度快、结果精度高,为路径规划问题研究提供了一种新方法。     

Multiple-criterion shortest path algorithms for global path planning of unmanned combat vehicles

We consider a multiple-criterion shortest path problem with resource constraints, in which one needs to find paths between two points in a terrain for the movement of an unmanned combat vehicle (UCV). In the path planning problem considered here, cumulative traverse time of the UCV, risk level, and (communication) jamming level associated with the paths are limited to be less than or equal to given limits. We propose a modified label-correcting algorithm with a new label-selection strategy to find Pareto-optimal solutions for the multiple objectives of minimizing the traverse time, risk level, and jamming level related to the paths. In addition, we develop a path planning algorithm based on the label-correcting method to solve problems with a single objective within a reasonably short time. For evaluation of the performance of the proposed algorithms, computational experiments are performed on a number of instances, and results show that the proposed algorithms perform better than existing methods in terms of a computation time.     

对AGV路径规划A星算法的改进与验证

为了减少AGV（Automate Guide Vehicle,自动导引车）的运输路径长度和转折次数,提出了改进的A星算法,采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点,剔除路径中冗余节点和不必要拐点,获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向,使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点,还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率,降低了AGV的耗能。     

An optimal algorithm for two robots path planning problem on the grid

This paper is a study on the problem of path planning for two robots on a grid. We consider the objective of minimizing the maximum path length which corresponds to minimizing the arrival time of the last robot at its goal position. We propose an optimal algorithm that solves the problem in linear time with respect to the size of the grid. We show that the algorithm is complete; meaning that it is sure to find an optimal solution or report if any does not exist.     

改进A*算法的移动机器人最短路径规划

针对复杂室内环境下移动机器人路径规划存在实时性差的问题,通过对Dijkstra算法、传统A^*算法以及一些改进的A^*算法的分析比较,提出了对A^*算法的进一步改进的思路。首先对当前节点及其父节点的估计路径代价进行指数衰减的方式加权,使得A^*算法在离目标点较远时能够很快地向目标点靠近,在距目标点较近时能够局部细致搜索保证目标点附近障碍物较多时目标可达;然后对生成的路径进行五次多项式平滑处理,使得路径进一步缩短且便于机器人控制。仿真结果表明,改进算法较传统A^*算法时间减少93.8%,路径长度缩短17.6%、无90°转折点,使得机器人可以连续不停顿地跟踪所规划路径到达目标。在不同的场景下,对所提算法进行验证,结果表明所提算法能够适应不同的环境且有很好的实时性。