基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法,对工作空间建模。用Dijkstra算法决策出全局最短路径,然后用遗传算法对此路径进行优化,得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明,该方法方便简单,对所规划的路径质量有所提高。     

基于节点安全预测的火场撤离路径规划

火场烟雾弥漫、能见度低,消防队员很难准确定位并找寻到合适的撤离路径.文中使用人机协作在火场中建立动态三角网基础上,以网络节点为参考点为消防员规划撤离路线.该方案使用基于相似函数的证据理论对火场中各节点采集的烟雾浓度、温度、氧气浓度进行数据融合,并确定节点位置的安全等级;引入预测机制,可以预测短时间内前进路径中节点位置的安全等级的变化.根据安全等级变化,剔除网络中危险节点,使用基于路程换算的A算法计算实时最短的安全路径.通过数据分析表明,该方案能更好的适应火场环境多变的特点.     

A path planning model based on nested regular hexagons using weighted centroid localization

In many wireless sensor network (WSN) applications, the location of a sensor node is crucial for determining where the event or situation of interest occurred. Therefore, localization is one of the critical challenges in WSNs. Mobile anchor node assisted localization (MANAL) is one of the promising solutions for the localization of statically deployed sensors. The main problem in MANAL localization is that the path planning of the mobile anchor (MA) node should be done so that the localization error in the network will be minimal and that all unknown nodes in the network are covered. This paper proposes a new path planning approach called nested hexagons curves (NHexCurves) for MANAL. NHexCurves guarantees that it will receive messages from at least three non-collinear anchors to locate all unknown nodes in the network. The proposed model has compared six different path planning schemes in the literature using weighted centroid localization (WCL). In these comparisons, first of all, localization errors of the models are compared using some statistical concepts. Second, the variation of the localization error according to parameters such as resolution (R) and the standard deviation of noise (σ) is observed. Then, with similar approaches, the standard deviation of errors, localization ratio, scalability performances, and finally, path lengths of the models are examined. The simulation results show that the NHexCurves static path planning model proposed in this study stands out compared to other models with high localization error and localization ratio performance, especially at low resolutions, due to its path design. At the same time, the lowest error values according to σ are obtained with the proposed model among all models considered.     

Network planning based on virtual path bandwidth management

Periodical performance evaluation and adaptive resource assignment, already proposed as performance-oriented management, seems to be the most suitable strategy for network planning under demand uncertainty. In this paper, we exploit the inherent capability of ATM networks to rearrange dynamically the already installed resources, and propose performance-oriented management combined with virtual path bandwidth (VPB) control for the planning of the extensions of bandwidth capacities of virtual paths (VPs) and transmission links of the network. We define a large network optimization problem and solve it by a rigorous, analytical procedure. The optimization model comprises specific requirements of the network-planning problem and a bandwidth distribution scheme ensuring network reliability. We reveal the efficiency of the proposed scheme by applying it on a model network, considering two realistic case-studies of network-traffic evolution. We show that in the presence of VPB control: (a) the initial distribution of the total bandwidth to VPs is of no importance, since it can be adaptively rearranged according to the offered traffic, (b) the network is well used and bandwidth investment could be saved, and (c) whenever additional bandwidth must be installed in VPs which have an unanticipated bad grade-of-service, time savings result. We present the network performance in detail, in figures, and compare this with the performance of the network in the absence of VPB control.     

基于粒子群优化算法的机器人路径规划

文章提出一种机器人路径规划的有效算法,为机器人找到一条从起点到终点最短的无碰撞路径,主要是优化了粒子群的惯性权重,然而其在不同的阶段采用不同的权重值。通过实验发现,改进后粒子群能够收敛得更快,数据收敛得更精确。     

盲区条件下一种基于记忆机制的移动机器人快速路径规划方法

如何在存在盲区的条件下实现机器人路径规划,是现实中的一大难点问题。本文利用路口点表征自由路径,通过估算盲区内路口点位置及其存在的概率,实现对历史感知数据的记忆与利用。建立评价函数对盲区内路口点及感知范围内的路口点进行评价,同时利用了历史感知信息与当前感知信息。与传统局部路径规划方法相比,该方法避免了盲区带来的徘徊、规划失败等问题。仿真表明了该方法的有效性。     

Elman neural network for predicting aero optical imaging deviation based on improved slime mould algorithm

This research suggests a methodology to optimize Elman neural network based on improved slime mould algorithm(ISMA) to anticipate the aero optical imaging deviation. The improved Tent chaotic sequence is added to the SMA to initialize the population to accelerate the algorithm’s speed of convergence. Additionally, an improved random opposition-based learning was added to further enhance the algorithm’s performance in addressing problems that the SMA has such as weak convergence ability in the la...     

A＊的改进路径规划算法

通过对地图数据的预处理和启发函数的设计,对A＊算法进行了改进。利用VC＋＋编程实现改进算法,并在实际城市地图上对改进算法进行了验证,结果表明改进算法提高了搜索最优路径的成功率,同时解决了原算法易出现搜索死循环的问题,可适应不规则的城市路网。     

基于改进克隆选择的移动机器人路径规划

针对障碍物已知的全局路径规划问题,提出了一种基于改进克隆选择的移动机器人路径规划方法,详细介绍了该算法的主要设计思想与算法流程。采用栅格法建立机器人工作的环境模型,并对克隆选择算法进行了两处改进:对抗体进行接种疫苗操作,提高了抗体的亲和度,加快了算法收敛速度;引入了抗体浓度的概念,保证了群体在进化过程中的多样性。最后对算法进行了仿真实验,验证了其可行性;并与遗传算法进行对比,结果表明改进克隆选择算法规划出的路径质量更高,收敛速度更快,还能有效地防止早熟收敛与局部收敛。     

基于改进RRT算法的移动机器人路径规划

RRT算法是一种能够处理障碍物和差分约束的问题的算法,被广泛应用于移动机器人的路径规划.针对于基本RRT算法存在的随机性较大和所求解路径非最优等问题,需要对其进行改进从而优化性能与运行效率.本文主要采用双向RRT算法融合人工势场法的方案进行改进后的路径规划,然后借助Dijkstra算法进一步处理所求解的路径,以寻求路径的最优解.仿真结果表明,本方案可以减少基本RRT算法随机性的影响,提高移动机器人路径规划的效率.     

基于车载导航系统的路径规划方法研究

机动车数量日益增多为交通、环境、能源等带来了巨大的压力,为此提出一种改进的路径规划算法——胶囊形限制搜索区域路径规划算法。该方法在很大程度上减少了传统路径规划方法的搜索范围,并且通过设置动态搜索参数保证了最短路径规划的成功率。以拓扑结构路网数据为实验载体,对椭圆限制区域算法及改进算法进行了深入的对比和研究,并通过实验验证了改进算法的高效性和稳定性。最后,给出了中心监控式车载导航系统的初步设计方案,其由监控中心子系统、车载子系统和通信子系统三部分组成。     

基于Bug算法的移动机器人路径规划研究

当移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息和全局目标信息,以朝向目标的直线运动和沿着障碍的边界运动这两种简单的运动方式来到达目标点。文章对此展开了分析。     

基于激光雷达的室内机器人路径规划方法研究

自主移动机器人在室内环境中的导航取得了重大进展,然而地图构建精度较差且路径规划欠佳,限制了这类机器人的实际应用。为了解决这些问题,提出了一种基于引导搜索的路径规划算法,即引力双向快速搜索随机树算法(GBI RRT),该算法采用目标偏差抽样,有效地引导节点走向目标,减少无效搜索。为了进一步提高导航效率,又提出了一种消除低质量节点,提高路径曲率的路径重组策略,为了验证上述方法的有效性,将其集成到一个基于ROS系统的移动机器人中,并在仿真和真实环境实验中进行了评估。结果表明,GBI RRT在各种室内环境下的性能均优于现有算法。     

基于混合算法的数控加工路径规划优化

对数控加工中的孔群加工路径规划优化方法进行研究。将孔群的加工路径规划问题与典型旅行商问题进行类比,建立刀具空行程最短的数学模型和适应度函数。针对常规混合算法不能够将两种算法进行融合,只是单纯叠加,无法在最佳时机进行算法转化,使得算法混合优势不够明显等问题,该文对混合算法进行改进。使用遗传算法得到若干优化解,并将其变成初始信息素从而改成初始信息素偏低问题。使用动态转移代替静态转移法将遗传算法切换到蚁群算法。算法后期,信息素更新方法使用动态挥发系数法,对交叉变异概率使用信息素和适应度进行动态调节,交叉变异位置使用信息素和启发信息决定。以一种机械零件的孔群加工为例,对研究的混合算法的加工路径规划优化方法进行实例分析,结果表明相比常规混合算法,该文研究的混合算法具有更高的求解精度和优化效果。     

基于Android平台的实时路径规划应用开发

针对一般导航应用路径规划功能不能根据路况信息进行实时规划这一问题,基于路阻函数建立了道路状况的数学模型,量化道路阻抗,利用传统媒体交通广播电台路况信息收集渠道,获取实时道路交通状况,采用定量分析法将道路信息车流量带入路阻函数计算得到当前状态下道路实际通行时间,同时采用百度地图SDK开发地图界面,获取百度地图路径规划中的所有路线,根据计算结果将路线集合中通行时间最短的路线挑选出来推荐给用户,以此开发出基于Android平台的百度地图实时路径规划应用。应用将传统媒体的资源重新利用并与移动互联网相结合,提供更优质的路径规划功能。     

基于GIS的路径规划算法研究与实现

路径规划问题是地理信息系统(GIS)研究领域中的关键内容之一,最短路径的寻找更是热点问题。在数据量较大时,传统前K条最短路径算法效率较低,且不能解决某些实际需求下规划K条差异较大的路径问题。在Dijkstra算法的基础上,引入有利度与重复度的概念,通过对路径结果重复度的检测以及由有利度的改变所引起的图的变化,循环寻找当前图中的最短路径,从而实现了多条差异路径的规划。在上述算法的基础上,对野外区域中带状区域的有利度及重复度进行控制,解决了传统前K条最短路径算法难以满足野外区域多条差异路径规划的问题。     

基于一种混合遗传算法的移动机器人路径规划

移动机器人路径规划问题一直是机器人学研究的核心内容之一,而遗传算法作为智能仿生学算法在路径规划中得到了广泛的应用。针对传统遗传算法存在局部搜索能力差的问题,文中研究在已知环境下运用一种基于遗传算法和模拟退火算法相结合的技术对移动机器人进行最优路径的规划方法。算法采用栅格法对环境建立模型,同时在遗传算子中添加插入算子和删除算子以优化路径。Matlab仿真实验结果表明,该算法相对于基本遗传算法的收敛速度,搜索质量等有了明显的提高。     

基于IAFSA和AGA混合算法的移动机器人路径规划

针对人工鱼群算法在移动机器人路径规划中存在易陷入局部最优、结果精度不高以及遗传算法存在易早熟、收敛速度慢等问题,提出一种改进人工鱼群算法(IAFSA)和自适应遗传算法(AGA)相融合的移动机器人路径规划方法。首先用栅格法建立移动机器人的环境模型,然后用IAFSA搜索移动机器人的初始可行路径,将搜索到的初始可行路径作为AGA的初始种群,最后采用AGA优化移动机器人的全局最优路径。仿真结果表明,混合算法在结果精度和稳定性方面优于标准人工鱼群算法,在跳出局部最优和收敛速度方面优于标准遗传算法。     

Multi-point path planning based on the algorithm of colony-particle swarm optimization

The problem of multi-point path planning is a NP-hard problem,which is equivalent to finding the shortest path of a starting point and some specific node.Aiming at the problem of multi-point path planning,a retrospective ant colony-particle swarm optimization algorithm was proposed.This algorithm used Floyd-Warshall to transform the graph and combined ant colony algorithm and particle swarm algorithm to find the shortest path.The experimental results show that this algorithm can find the precise solution under small data,at the same time,under a large amount of data,can be better than the maximum minimum ant colony algorithm and genetic algorithm.