二进制粒子群算法在路径规划中的应用

全局路径规划是智能机器人的一个重要研究领域,将二进制粒子群算法应用于路径规划是一种新的尝试.提出一种机器人路径全局路径规划方法,介绍了利用改进的二进制粒子群算法进行路径规划的详细实现过程.机器人工作空间中的障碍物表示为多边形,对多边形顶点进行编号.利用二进制粒子群算法进行路径规划,粒子的长度定义为工作环境中障碍物顶点的个数,每一位为0或1表示路径是否经过该顶点.为了克服传统的二进制粒子群算法的早熟收敛问题,在改进的算法中采用了双重编码结构,并引入变异操作.最后给出仿真结果证明该方法的正确性和有效性.     

基于深度强化学习的移动机器人动态路径规划算法

为了在复杂舞台环境下使用移动机器人实现物品搬运或者载人演出,提出了一种基于深度强化学习的动态路径规划算法。首先通过构建全局地图获取移动机器人周围的障碍物信息,将演员和舞台道具分别分类成动态障碍物和静态障碍物。然后建立局部地图,通过LSTM网络编码动态障碍物信息,使用社会注意力机制计算每个动态障碍物的重要性来实现更好的避障效果。通过构建新的奖励函数来实现对动静态障碍物的不同躲避情况。最后通过模仿学习和优先级经验回放技术来提高网络的收敛速度,从而实现在舞台复杂环境下的移动机器人的动态路径规划。实验结果表明,该网络的收敛速度明显提高,在不同障碍物环境下都能够表现出好的动态避障效果。     

基于改进粒子群算法的机器人路径规划方法

提出一种基于粒子群算法的机器人路径规划方法.将路径规划看作一个带约束的优化问题,约束条件为路径不能经过障碍物,优化目标为整个路径的长度最短.机器人工作空间中的障碍物描述为多边型,对障碍物的顶点进行编号.利用粒子群算法进行路径规划,每一个粒子定义为一个由零或障碍物顶点编号组成的集合,在粒子的迭代过程中考虑约束条件,惯性权重随迭代次数动态改变,使算法既有全局搜索能力也有较强的局部搜索能力.仿真结果表明该方法的正确性和有效性.     

面向救援任务的地面移动机器人路径规划

由于救援机器人处于复杂环境中,面向紧急救援任务的实时性要求较高,因此,救援机器人的路径规划技术在整个救援过程中发挥着十分重要的作用．针对复杂环境条件,用多边形表示障碍物,设计了一种基于障碍物编码的遗传算法,进行路径规划．与以往的基于顶点编码的方法相比,该方法对障碍物复杂不规则的情况适应性更强,同时也缩减了解搜索空间,提高了算法的效率,增强了路径规划的实时性．通过异构多机器人联合救援模拟实验验证和分析,表明所提出的方法能够使机器人避让复杂环境中不同类型的障碍物,实现高效实时的路径规划,可操作性强,可以推广应用于实际救援系统中．     

基于遗传算法的移动机器人路径规划

本文提出的基于遗传算法的移动机器人路径规划,用栅格表示移动机器人的工作环境,采用序号编码和与此编码机制相适应的遗传操作算子,并增加了新的插入算子和删除算子,同时应用了最优保存策略,最后得到移动机器人在由栅格表示环境下的最短无碰路径.通过对算法进行仿真和实验,结果表明了所提算法的有效性和可行性.     

小型移动机器人自主返航路径规划方法

针对遥控小型移动机器人在自主返航实际应用中定位精度低等问题,提出一种小型移动机器人自主返航路径规划方法.介绍小型移动机器人的任务流程及硬件系统,利用膨胀算子对栅格地图中的障碍物进行运算得到栅格Voronoi图.使用双边界路径矢量化方法从栅格Voronoi图中提取出矢量路径,并对该路径进行拓扑优化.通过Dijkstra算法对拓扑路径进行路径规划并进行算法验证.实验结果表明,该方法所得路径可使环境中的机器人与障碍物之间的距离最大化,并使移动机器人的运动轨迹具有较高的可执行性,提高了小型移动机器人自主返航的成功率.     

基于障碍预估与概率方向权值的移动机器人动态路径规划

主要研究了移动机器人在未知动态环境中的路径规划问题.提出一种将障碍预估与概率方向权值相结合的动态路径规划新方法.该方法将卡尔曼滤波引入到规划算法中,使得对障碍物运动状态的实时有效预估成为可能.同时,为实现移动机器人的实时路径规划,提出一种新的概率方向权值方法,基于周期规划将障碍物与目标信息进行融合,能够有效处理室内环境下对于障碍物的速度和运动轨迹均未知的动态路径规划问题.仿真结果以及基于SmartROB2移动机器人平台所进行的实验结果验证了该方法的有效性和实用性.     

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法．该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性．仿真结果证明了算法的有效性．     

基于改进遗传算法的移动机器人路径规划

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。将改进遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束,路径点必须在障碍物之外,路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化。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。     

基于改进遗传算法的移动机器人路径规划

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。将改进遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束,路径点必须在障碍物之外,路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化。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。     

Cooperative Coevolutionary Adaptive Genetic Algorithm in Path Planning of Cooperative Multi-Mobile Robot Systems

In this paper, path planning of cooperative multi-mobile robot systems, an example of multi-agent systems, is discussed with the proposal of a novel Cooperative Coevolutionary Adaptive Genetic Algorithm (CCAGA). At the same time, for such genetic algorithms based path planning, a novel fixed-length decimal encoding mechanism for paths of each mobile robot is also proposed. Such cooperative coevolutionary adaptive genetic algorithm is suitable for parallel computation, which is convenient to solve complicated problems. Meanwhile, simulation results show that this algorithm has the property of robust convergency.     

基于遗传算法的多移动机器人协调路径规划

采用链接图法建立了机器人工作空间模型;应用遗传算法规划多移动机器人运动路径; 引入适应值调整矩阵新概念,以达到对多移动机器人运动路径的全局优化;基于面向对象技术,研 制成功多移动机器人路径规划动态仿真系统.大量仿真实验结果表明,所提方法可行.     

改进遗传算法在移动机器人全局路径规划中的应用

针对应用遗传算法进行移动机器人全局路径规划时遇到的早熟收敛和收敛速度慢等问题,提出一种基于定长二进制路径编码方式的改进遗传算法。研究此编码方式下的改进遗传操作,采用比例阈值自适应((N+K,N)+N)双种群进化策略,有效提高了算法收敛速度和全局寻优能力。仿真实验表明了该算法的有效性。     

移动机器人路径规划与环境绘图

由于双圆弧具有满足任意端点及其斜率条件的特性，所以非常适合于移动机器人路 径规划问题．本文利用双圆弧来处理机器人在给定环境中的路径规划问题，并由此得出机器 人的路径规划策略及其跟踪控制算法．同时，利用双圆弧实现对拐角、多边形等特征地形的 逼近和复原，提出了机器人对未知环境的勘测及绘图算法．该方法简单有效，对机器人初始 条件不加限制，计算量非常小，具有较高的实用价值．     

一种移动机器人在三维动态环境下的路径规划方法

提出一种基于遗传算法的三维动态环境下的路径规划方法,通过对机器人的运动行为进行编码,将各种约束条件融入到遗传算法当中,规划出可实际应用的避障路径,仿真研究表明该方法是简单有效的.     

自然地形环境下移动机器人的一种路径规划方法

本文给出了一种规划移动机器人在自然地形中运动的新方法，该方法利用ＮＵＲＢＳ曲面模拟自然地形地貌，以ＴｒｉｍｍｅｄＮＵＲＢＳ曲面描述带有障碍物或不可逾越区域的地形，在综合考虑机器人动力学、地形及障碍描述和曲面特性等各方面因素的情形下，运用测地线的概念和计算方法以及Ａ＊搜索算法，获得了在自然地形环境下任意两点间的距离最短路径和时间最优路径，所有的路径均由ＮＵＲＢＳ曲线表示，实验结果表明，该方法在性能与效率上均十分令人满意．     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

A roadmap construction algorithm for mobile robot path planning using skeleton maps

Path planning using conventional roadmaps, such as visibility graphs, probability roadmaps and skeleton maps, may have some disadvantages of long length, sharp turns or collisions with obstacles. Specifically, the paths using the conventional skeleton map have unnecessary turns around crossing points, which make longer paths and prevent the robot from moving smoothly. To improve the skeleton map, this paper proposes a new roadmap construction algorithm for path planning of a mobile robot using skeleton maps. The proposed algorithm alleviates the problems of the conventional algorithms by constructing roadmaps which consist of polygons around the crossing points. Simulation results show the efficiency of the proposed algorithm by comparing the results with those obtained using the conventional algorithm.