模糊优化算法及其在视觉机器人路径规划中的应用

提出了视觉机器人路径规划的模糊满意优化方法.该算法基于预测控制滚动优化机制,将系统优化目标和受限约束通过模糊隶属度来表示,形成多目标模糊优化问题,解决了在全局环境未知情况下的优化路径问题,仿真结果验证了该方法的有效性.     

强化信息交流的堆优化算法及其机器人路径规划

堆优化算法(heap based optimizer,HBO)是最近提出的一种新型和优秀的智能优化算法,但需完善并拓展其应用领域?针对HBO信息交流不足导致其搜索能力不强的缺陷,提出了一种改进的HBO,即强化信息交流的HBO(information interchange strengthened HBO,ISHBO)?首先,采用一种自身交流机制用于HBO中的最高领导者的状态更新,解决因它无直接领导和同事无法参与搜索过程从而导致搜索效率低下的问题;其次,提出了一种精英反向交流策略和一种精英引导的自由交流策略,以突破当前个体仅与直接领导及同事交流的限制;最后,将以上两种交流策略有机融合用于HBO随机选择的三个个体的状态更新上以提高其搜索能力,如此形成ISHBO?大量的?不同类型的和不同维度的函数优化实验结果表明,与HBO以及其他最先进算法相比,ISHBO的搜索能力更强?另外,智能优化算法用于机器人路径规划的仿真结果也表明,ISHBO在解决实际优化问题上具有更强的竞争性。     

多样性指导进化算法及其在机器人路径规划中的应用

通过分析及结合机器人路径规划的进化编程仿真实验发现，保存最优个体或淘汰最差个体都会引起进化算法早熟现象，而种群多样性无疑在进化算法中扮演着关键角色。虽然多样性已经用于分析算法中，但是很少用于指导搜索。多样性指导进化算法使用了众所周知的到平均点距离法使变异期与杂交期交替出现。多样性指导进化算法在机器人路径规划问题中展现出显著的结果，与用适应值比较的简单进化算法有着重大的区别。     

蚁群算法在机器人路径规划中的应用研究

针对传统机器人路径规划方法无法保证寻找全局最优路径的问题,本文提出了一种基于蚁群算法求解机器人路径规划的方法.在此基础上构建了移动机器人路径规划模型,并通过Visual C 6.0进行仿真.结果表明该算法能够在动态和静态环境中迅速找到机器人的最优路径,与基于遗传算法的路径规划方法相比具有较大的优势.     

动态复杂环境下的机器人路径规划蚂蚁预测算法

研究了一种新颖的动态复杂不确定环境下的机器人路径规划方法和动态避障码蚁预测算法.该方法模拟蚂蚁的觅食行为,由多组蚂蚁采用最近邻居搜索策略和趋近导向函数相互协作完成全局最优路径的搜索.在此基础上用虚拟蚂蚁完成与动态障碍物碰撞的预测,并用蚁群算法进行避障局部规划.理论和仿真实验结果均表明,即使在障碍物非常复杂的地理环境,用文中算法也能迅速规划出优化路径,且能安全避碰.     

机器人路径规划的新型头脑风暴优化算法

针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。     

机器人路径规划问题的蚁群优化算法

研究了机器人在静态障碍物环境下的路径规则问题,根据问题模型的特性设计了一种蚁群优化求解算法。该算法利用前一轮选择的路径对可行解的信息素进行相应的调整,再按转移概率选择路径,经过多次迭代搜索得出最短路径．已达到对机器人的路径优化。     

复杂环境下基于蚁群优化算法的机器人路径规划

针对复杂环境下机器人的路径规划问题，将蚁群优化算法引入这一新的应用领域，设计了相应的算法，解决了以前尚未涉足的带约束条件的连续函数优化问题．仿真结果验证了所设计算法的实用性和有效性．     

智能算法在机器人路径规划中的应用研究

移动机器人技术研究中的一个重要领域是路径规划技术。综述了智能算法在移动机器人路径规划技术中的发展现状,指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

基于优化蚁群算法的机器人路径规划

研究机器人导航中的路径规划问题,运用栅格法和图论思想建立环境模型,在该模型中通过蚁群算法进行路径寻优,提出用遗传算法的思想改进已有蚁群算法,即GAA算法。仿真实验结果表明,该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。     

带精英策略和视觉探测蚁群算法的机器人路径规划

算法中加入精英蚂蚁,拓展了蚂蚁搜索的范围,加强了蚂蚁通过狭长空间和复杂空间的能力。引入视觉探视功能,扩大了蚂蚁的视野,使蚂蚁在探索的过程中具备了“千里眼”,减少了蚂蚁探索的步数。运用路径优化功能,使蚂蚁运动路径拉直、变短,使路径可用性增强。采用栅格划分环境、栅格之间的边表示信息素和距离信息减少了算法计算量。     

机器人路径规划中算法计时的实现

在VC 5.0的环境下实现了机器人路径规划算法的计时。该方法具有通用性,几乎可以毫无更改地应用于其他算法的计时中。其具体实现步骤如下:     

微粒群算法在机器人路径规划中的应用

提出并研究了一种应用于机器人路径规划的改进微粒群算法;提出了矢量编码方案,有效地避免了对地图建模过程的依赖;在解的评价函数中引入了障碍物排斥函数项,实现了关于所求路径到障碍物距离的优化。最后,在基本微粒群算法的基础上引入了交叉算子和变异算子,使得算法在保持较高收敛速度的同时能够很好的避免陷入局部最优点。计算机仿真结果表明了改进算法相对于基本微粒群算法的优越性,并在100次的重复实验中达到了100%的成功率。     

人工蜂群算法在移动机器人路径规划中的应用

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟、搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换、协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题,加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径.     

人工鱼群算法在机器人加工路径规划中的应用

针对机器人加工路径规划问题,提出了一种基于人工鱼群算法的机器人加工路径规划新方法。仿真实验表明,该算法实现简单,搜索效率高,在较短时间内能够求得最优解,可满足机器人加工的实时性要求。     

改进粒子群算法在机器人路径规划中的应用

针对粒子群优化算法易过早收敛而陷入局部最优的缺陷,结合移动机器人全局路径规划问题模型,提出一种带扰动机制的粒子群优化算法。对于进入进化停滞状态的个体,采用个体修正策略产生新个体将其替代,来引导算法搜索可行路径,帮助粒子逃离局部极值。仿真实验表明,与其他算法相比,该算法具有更好的搜索精度和全局寻优能力。     

四足步行机器人模糊规划优化算法

针对四足步行机器人等多变量系统模糊规则数目过多的问题，进出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的优化算法，从大量原始模糊规则中迭代辨识出模糊关系，并利用Ｋｏｈｏｎｅｎ网络对其进行聚类变换，最后得到了优化了的模糊规则，仿真结果证明了该方法的有效性。     

人工免疫算法在机器人路径规划中的应用

人工免疫算法是一种新兴的优化方法,在计算、控制等各方面都已得到应用.将免疫算法应用于移动机器人路径规划,提出一种任意多边形障碍物复杂布局环境下的机器人路径规划的人工免疫算法,仿真证明该算法可以准确地找到全局最优路径,而且能够适应各种复杂的环境.     

足球机器人路径规划算法的研究及其仿真

研究足球机器人路径规划优化问题,足球机器人由于赛场情况千变万化,系统本身存在非线性,环境也具有时变性特点,要求机器人相互协作实时性要求高。结合足球机器人系统特点,提出一种蚁群算法的足球机器人路径规划算法。把每一只蚂蚁看作是一个机器人,蚂蚁根据信息素调整自己的前进方向,通过蚂蚁间的信息交流和相互协作快速找到一条最短的机器人运行无碰撞的路径。采用算法进行测试,结果表明,用蚁群算法较好地克服了局部最优的缺陷,获得最优路径,且无碰撞现象,符合足球机器人路径规划的实时性要求。     

新的融合算法在机器人路径规划中的应用

机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法,该方法有效地结合了蚁群算法和粒子群算法的优点,利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布;然后利用蚁群算法的并行性、正反馈性、求解精度高等优点,求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。