势场力引导的蚁群算法在室内轨迹规划中的应用

单一的蚁群算法在路径搜索前期具有盲目性,导致收敛速度较慢,容易陷入局部最优;而传统的人工势场法在凹形障碍物时避障困难。将人工势场法与蚁群算法结合,提出一种由势场力引导的蚁群算法。算法将人工势场法中的力因素转化为一种蚁群算法里的信息素权值,能够在开始时加快蚁群算法的收敛速度,并随着迭代次数增加逐渐降低力因素对蚂蚁的影响,在陷入局部最优时通过回退降低了蚁群算法陷入局部最优的可能性。又增加了路径曲线距障碍物距离的设置,使其更贴近现实应用。最后使用该算法与其它类似势场蚁群算法进行了仿真比较,在条件一致的情况下,文中算法的收敛速度更快,路径距离更短。     

改进人工势场法的AGV路径规划算法研究

针对传统人工势场法路径规划中存在的局部极小值和目标不可达问题,提出了一种面向AGV路径规划的改进人工势场法。该算法将道路边界障碍化,对障碍物密集区域的障碍物进行连锁处理,在斥力函数中引入目标点与AGV间的距离因数,在局部极小值点附近合适位置增加虚拟障碍物。仿真结果表明：改进算法可以有效解决局部极小值问题和目标不可达问题,同时使AGV避开障碍物陷阱成功到达目标点。     

基于人工势场法的移动机器人路径规划研究

基于人工势场法的移动机器人路径规划具有目标不可达、在障碍物前振荡、存在局部极小值等问题。通过分析振荡现象产生的原因以及局部极小值点存在的原因,提出一种基于人工势场模型、采用量子粒子群算法来选择人工势场模型参数的算法,从而克服人工势场法的模型缺陷,实现路径的优化。仿真结果表明,该方法能有效地提高路径规划的性能。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

基于改进遗传算法的装配线平衡研究

针对第二类装配线平衡问题,提出一种改进的遗传算法以解决经典遗传算法的早熟问题。在改进的遗传算法中,提出并引入基因浓度补偿策略,以保持选择及进化过程中种群的多样性,避免算法过早收敛,提高全局寻优能力。同时采取自适应遗传操作算子,在进化过程中动态调整交叉和变异算子,以提高算法的局部搜索能力及算法的计算速度。最后通过实例验证了此改进遗传算法的可行性,在寻优性能以及运算效率上都优于经典遗传算法。     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

复杂动态环境下自主机器人路径规划研究

为了提高复杂动态环境下的机器人路径规划性能,文章提出了全局路径规划和局部路径规划相融合的混合路径规划方法。分析了A*算法原理,提出了加权A*算法,使用权值调节启发信息在评价函数中的作用;改进了人工势场法,解决了传统方法目标不可达和局部极值问题;将加权A*算法的全局路径规划和改进人工势场法的局部路径规划相融合,以全局规划路径的拐点作为局部路径规划的子目标点,提出了混合路径规划方法。经仿真验证,对于固定静态障碍物、临时堆放障碍物、动态障碍物三种情况,混合规划方法都能得到平滑的无碰最优路径。     

模糊改进的人工势场法机器人局部路径规划

移动机器人在狭窄、障碍物繁多的密闭环境中工作,人工势场法(APF)应用于机器人避障及局部路径规划存在局部最优、目标不可达等问题,文章提出一种模糊改进的APF算法,通过重新构建障碍物斥力势场、障碍物运动速度和加速度势场、引力势场模型,克服局部最优陷阱;在某些特殊情况下,使用模糊算法给机器人提供辅助作用力,帮助机器人安全到达目标点。把改进模糊APF算法用于机器人避障,仿真结果表明:改进的控制算法应用于多障碍物环境可以帮助机器人实现安全避障。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

改进人工势场法的机械臂避障路径规划

针对人工势场法在机械臂避障路径规划中易陷入局部最小值等问题，提出一种改进人工势场法的机械臂避障路径规划方法。首先，对机械臂连杆及障碍物进行包络体建模，将避障碰撞检测问题转化为圆柱体与球体、圆柱体与长方体的最短距离求解；其次，提出在机械臂关节空间建立目标点的引力场和斥力场，在笛卡尔空间建立引力场相结合的算法，并采用快速随机搜索树法(RRT)解决传统人工势场法局部极小点的问题；最后，采用MATLAB开展仿真与实验，结果表明该算法规划目标位置平均误差为0.010 m,相较于传统的算法更接近于目标位置，可实现机械臂逃离局部极小点并完成避障路径规划。     

基于改进遗传算法的孔群数控加工路径优化

针对孔群加工路径优化中遗传算法存在的局部最优和收敛速度慢等问题,提出采用模拟退火算法改进遗传算法进行路径优化。首先根据孔群数控加工的特点建立数学模型,采用遗传算法设计种群编码,建立适应度函数选择优秀种群,并对保留的优秀种群进行交叉、变异等操作,实现种群进化,其次引入模拟退火算法对其适应度函数进行拉伸处理,调整种群进化差异性而加速寻优进度,同时采用改进的Metropolis准则调整接受概率,调节旧种群和新种群的进化程度,增强遗传算法的全局搜索能力。实例表明:改进算法用于某模具的孔群加工,有效克服遗传算法的早熟现象,缩短收敛次数,平均路径缩短比例达6.9%,提高了加工效率,效果良好。     

改进人工势场法的机械臂轨迹规划

针对传统人工势场法(APF)在机械臂避障路径规划过程中出现目标不可达和局部最小值问题，提出一种改进人工势场法算法。首先，使用人工势场法控制机械臂时陷入危险区域时，引入跳点搜索算法，寻找最优跳点作为下一迭代点，同时设强迫邻居为虚拟目标点，指引机械臂摆脱危险区域；其次，再使用人工势场法搜索；最后，引入3次均匀B样条曲线进一步优化最优解，进而生成一条平滑、无碰撞的路径。通过二维地图和机械臂避障实验，验证了改进算法的有效性和可行性。     

新型模拟退火遗传算法在路径优化的应用

针对路径优化中,遗传算法(GA)初始解质量低,变异能力差,以及易陷入局部最优解等问题,提出了一种新型模拟退火遗传算法.首先,采用混合策略生成初始解,将模拟退火算法引入遗传算法的变异算子,使用2-opt算子和单点最优插入算子增强局部搜索能力,使算法能够更加有效地避免陷入局部最优;其次,提出改进的锦标赛算法,对交叉、变异前...     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

基于改进人工势场法的机械臂路径规划北大核心

针对传统人工势场法对机械臂进行路径规划时存在局部最小值等问题,对人工势场法进行改进。首先,建立机械臂碰撞模型,确保实现有效碰撞检测;其次,重新定义传统算法的引力斥力函数,解决引力过大而斥力作用弱化导致碰撞以及障碍物与目标点距离过小造成目标不可达的问题;最后,提出一种基于椭圆模型的策略跳出算法局部最小值陷阱和局部震荡,最后进行了仿真验证。结果表明,改进后的人工势场法简单可靠,避免了原算法的局部最小等问题,能快速有效地实现机械臂避障路径规划。     

模糊改进人工势场法移动机器人路径规划

针对人工势场法应用于机器人路径规划中存在的各种问题,提出一种模糊改进人工势场法。首先,建立斥力势场梯度等级,在解决目标不可达问题的同时,保证路径规划的安全性;其次,引入逃逸力,利用模糊算法推算出逃逸力大小,帮助移动机器人逃离局部最优陷阱;最后,在MATLAB环境下对常规改进人工势场法和模糊改进人工势场法进行了仿真实验,实验结果表明,模糊改进后的人工势场法能够解决目标不可达问题、局部最优问题,同时在避障安全性方面存在一定优势。     

改进人工势场法在移动机器人路径规划中的应用

为解决传统人工势场法在路径规划中存在的缺陷,对目标不可达和局部极小点的情况进行了分析.将引力函数分段,避免引力过大而碰到障碍物的情况;通过引入机器人与目标点之间的距离因子,对斥力势场的生成和计算机制进行改进,以解决障碍物在目标点附近时的不可达问题.在已改进人工势场函数的基础上,提出一种用偏转角度来构建附加牵引力的方法以...     

基于改进IBAS-PSO的永磁同步电机控制研究

为解决传统PI控制精度低、抗干扰能力差，无法满足永磁同步电机对调速系统的精确控制等问题，提出一种改进的天牛须粒子群(IBAS-PSO)算法对PMSM转速环控制。首先，基于永磁同步电机控制原理建立PI控制模型；其次，将PSO算法与BAS算法结合，提高融合算法的整体寻优速度，改进融入贪心机制的非线性惯性权重，增强算法自适应能力，引入Levy飞行策略改进动态步长系数，避免算法陷入局部最优，并通过基准测试函数验证了所提算法具有良好的收敛速度和精度；最后，在MATALB/Simulink建模仿真并对比。结果表明，IBAS-PSO对于PI控制的各类性能指标最优，能快速控制永磁同步电机运转，增强系统鲁棒性。     

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。     

基于自适应变异粒子群优化算法的移动机器人路径规划

对路径规划中区域划分的建模方法进行改进,实现根据环境中障碍物的具体分布来自适应划分环境空间,将路径规划问题转化为带约束目标函数优化求解问题.针对粒子群算法的局部极小值问题,提出将自适应差分进化算子作为粒子群优化算法的自适应变异算子的改进方案.仿真结果表明:环境模型的自适应划分可以提高算法的搜索效率,缩短计算时间,使算法具有更好的实时性;加自适应变异算子的粒子群优化算法可以使目标函数快速跳出局部最优的束缚.