基于最小时间算法的自动化药房系统优化设计

基于最小时间算法,研究了拥有复杂多样的存储物品和大量存储位置的自动化药房系统的储位以及上药、出药规划。通过分析某公司的自动化药房系统,制定了自动化药房物品进出的完整规划,包括初始储位规划和利用最小时间算法的上药、出药指令的规划。通过模型的建立和分析,证明此规划满足了实际工程的需求,适用于自动化药房存储设备的设计。     

基于蚁群算法的语音信号动态时间规划

蚁群算法是一种新型的随机优化算法,应用蚁群算法优化机制,提出了一种基于蚁群算法的语音信号动态时间规划方法———蚁群动态时间规划算法,搜索语音信号之间匹配的一条全局最优路径,进而以此衡量语音信号之间的相似度.算法给出了蚁群状态转移概率及信息素更新方程,既利用了语音信号的全局特征又考虑了其局部信息.理论分析与仿真实验结果均证明了此方法的可行性,与传统的DTW算法相比较,其匹配结果更能体现匹配语音信号之间的相似度.     

基于光节点模型的PRM路径规划优化算法研究

针对移动机器人存在的使用传统概率路线图算法(probabilistic roadmap, PRM)经过狭窄空间规划路径无解的问题,本文主要对一种模拟光照节点模型的PRM路径规划优化算法进行研究。采用光照方法,将每个节点视为光源,在未照亮的区域生成随机节点,直至光照区域能将起始点和目标点连通,生成无向有权图的边,为了测试优化PRM算法的性能,将其与传统PRM算法进行仿真测试。仿真结果表明,与传统PRM算法相比,优化后的算法可使移动机器人经过狭窄直线通道时采用较少的随机采样点,并且在较短时间内找到一条可行路径。该优化算法减少了路径中的节点数量,提高了路径平滑度和程序运行效率,解决传统PRM算法路径规划无解的问题,缩短了在狭窄直线地图中规划路径的时间,提高了程序运行效率。该研究具有广泛的应用前景。     

改进蚁群算法在机器人路径规划中的应用

机器人路径规划是机器人技术研究中的一项关键技术。针对蚁群算法在求解机器人路径规划中准确性不高以及求解时间长的问题,提出了一种基于改进蚁群算法的机器人路径规划方法,采用栅格法构建了相应的数学模型。为了提高蚁群算法的全局搜索能力,防止算法早熟收敛,在状态转移规则中引入了随机策略;同时引入了基于狼群分配的策略来更新启发式信息,这样可以进一步提高算法的收敛速度。实验结果表明,改进的蚁群算法具有更强的全局寻优能力,求解时间更短,它可以有效地求解机器人路径规划问题。     

基于改进粒子群算法的机械臂轨迹规划研究

为提高机械臂的适用性和工作效率,针对机械臂关节空间时间最优轨迹规划问题,在研究传统的多项式插值轨迹规划方法基础上,结合改进的粒子群优化算法,通过动态调整学习因子,结合线性惯性权重,改善传统粒子群算法容易陷入局部最优的缺点,快速准确得到最优解;在机械臂工作空间中选取可到达的路径点,获取路径点处的关节角度,采用3-5-3分段插值多项式法规划机械臂的运动轨迹,同时利用改进粒子群算法优化轨迹的运行时间,得到平滑、连续且时间最优的运动轨迹曲线。Matlab仿真实验结果验证了该方法进行轨迹规划的可行性和有效性。     

一类凸规划的多项式内点算法

将线规划的路径跟踪法推广应用到一类凸规划问题，为其设计了一种原始－对偶内点算法，讨论了该算法的多项式时间性。     

一种新的基于MMAS的机器人路径规划方法

机器人路径规划就是在复杂的结构空间中,找到一条由起点到目标点的可行路径．基于最大-最小蚂蚁算法,结合机器人路径规划的典型问题,给出了一种新的规划方法．实验结果表明,该方法能以较大的概率得到机器人路径规划问题的优化解．     

一种新的基于MMAS的机器人路径规划方法

机器人路径规划就是在复杂的结构空间中,找到一条由起点到目标点的可行路径.基于最大-最小蚂蚁算法,结合机器人路径规划的典型问题,给出了一种新的规划方法.实验结果表明,该方法能以较大的概率得到机器人路径规划问题的优化解.     

基于Dijkstra算法的货运索道路径规划方法

为解决路径规划算法缺失、路径规划周期长、劳动强度大等货运索道路径规划难题,基于Dijkstra算法对索道路径规划问题进行了环境建模,并结合地形曲线、索道架设限制条件、路径规划目标函数等提出货运索道路径规划的邻接矩阵构建方法;结合货运索道的路径规划特点,对Dijkstra算法的搜索方向进行优化,有效降低了路径搜索的计算量。提出基于Dijkstra算法的货运索道路径规划方法。对十万个二维地形曲线进行路径搜索,本研究算法搜索出的符合索道架设要求的路径数量比已有算法(地形搜索法、干涉点搜索法和地形自适应法3种)搜索出的符合索道架设要求的路径数量提高了17.9%,且能够根据目标函数规划出最优路径,大幅度减少货运索道路径规划工作的时间和工作量,有效地降低索道架设和运输的成本。     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

A~＊路径规划算法的改进及实现

针对A＊算法在路径规划过程中因遍历节点多而导致搜索时间长和路径规划距离长的问题,对A＊算法进行了改进.改进算法采用两点间的欧氏距离作为估价函数,并以前向搜索和后向搜索交替进行的方式来减少路径规划时间.仿真结果表明,改进算法在搜索时间和距离上分别比A＊算法减少了0.0184s和42m,在搜索得到的路径长度和算法运行时间上明显优于A＊算法.     

基于TSP的孔群加工路径优化算法

建立以孔群加工最短路径为优化目标的数学模型,采用蚁群算法与2-OPT算法相融合的优化方法,研究了模具顶针板孔群加工刀具路径优化问题.结果表明,该融合算法加快了收敛速度,可有效避免陷入局部最优解,加工优化路径比贪心算法缩短12.34%,比基本蚁群算法缩短14.78%,即有效缩短了加工路径,减少了空走刀时间,提高了数控加工效率.     

基于改进蚁群算法的无人机三维航路规划

研究了一种基于改进蚁群算法的无人机三维航路规划方法,以保证在敌方防御区域内以最小的被发现概率以及可接受的航程到达目标点。首先对无人机三维航路规划模型进行分析,在此基础上采用蚁群算法对三维航路进行优化。将最短路径的信息反馈到系统中作为搜索的指导信号,并改进节点选择方法,以提高应用蚁群算法搜索无人机三维航路的效率。最后将所研究的方法应用于无人机的三维航路规划,仿真结果表明本文方法是有效的。     

一种新的最短路径算法

定义了有向图的代价邻接矩阵和最短路径矩阵,给出了称为"乘位加比小"的一种代价邻接矩阵间的新运算。基于该矩阵运算,证明了一种称为"代价邻接矩阵乘位加比小算法"新的最短路径算法。其结果可实现有向图全局最短寻径,并且对于任意类型的有向图,总是可准确求得其最短路径。E.W.Dijkstra提出的标号法是一种公认的求最短路径的较好算法,但在某些情况下寻径结果并非最优,文中提出的新算法克服了其缺点。     

一种基于改进遗传算法的机器人路径规划方法

在应用遗传算法进行机器人路径规划时,为了解决传统遗传算法"早熟收敛"和"收敛速度慢"的问题,设计了一种用于路径规划的改进遗传算法.该算法根据规划问题的具体要求,对染色体编码,种群初始化等操作进行了改进,编码采用二维浮点数变长度的编码方式,种群初始化采用知识启发的策略,以加快收敛速度.在控制参数设定方面引入自适应调整控制参数.采用MATLAB软件进行仿真,将改进算法与标准算法进行对比,结果得出改进算法缩短了路径长度和运行时间.证明了本算法的正确性和高效性.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

基于余弦算法的足球机器人路径规划

在分析基本算法不足的基础上,提出了机器人的路径规划方法,利用余弦曲线具有光滑、可微的特性,实时、有效地解决机器人避开障碍物从给定点到目标点找到一条最优路径规划问题。仿真试验表明：提出的方法具有较强的路径规划能力,计算量非常小,具有较高的实用价值。     

基于Q学习算法和遗传算法的动态环境路径规划

针对Q学习算法在动态连续环境中应用时因状态连续、数量过多,导致Q值表出现存储空间不足和维数灾的问题,提出了一种新的Q值表设计方法,并设计了适用于连续环境的R值和动作.不同于以状态-动作为索引,将时间离散化为时刻,以时刻-动作为索引来建立Q值表.将在某状态应选择某一动作的问题转化为在某时刻应选择某一动作的问题,实现了Q学习算法在动态连续环境中的应用.采用了先利用遗传算法进行静态全局路径规划,然后利用Q学习算法进行动态避障.整个方法为一种先"离线"后"在线"的分层路径规划方法,成功实现了移动机器人的路径规划.仿真结果验证了所提出方法的有效性.     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。