基于遗传算法的虚拟校园漫游路径规划

针对虚拟校园中道路环境存在u型槽及狭长路径的特点,提出一种基于改进遗传算法的路径规划方案。利用网格表示校园环境,并引入障碍物顶点信息,进行校园路径信息描述。在基本遗传算法进化过程中,加入平滑算子和避障算子,对适应值逐步收敛的种群进行人工选择优化,来提高成功率和适应值。实验结果表明,该方法能够在路径规划中准确的绕开U型槽障碍,并穿过狭长路径。     

基于遗传算法的移动机器人的一种路径规划方法

在考虑机器人及障碍物尺寸的条件下,将遗传算法用于针对运动目标的移动机器人动态避障路径规划,采用了两次寻优的办法规划最佳路径,并针对两次的遗传算法操作寻优过程,分别建立了严谨且简洁的适配值函数．仿真实验表明,本文提出的动态避障路径规划方法可实时、稳定地产生移动机器人的最佳规划路径．该方法也可用于智能机器人追踪移动目标的自动导航．     

基于遗传算法的自主机器人避障方法研究

在阐述了用势场法实现路径规划的基础上,针对全自主机器人的特点,提出了基于遗传算法的全自主机器人避障方法.通过实验表明,该方法的实时性好,避障速度可以满足系统的实时性需要,并且具有较高的可靠性.     

基于避障切换控制的移动机器人路径规划

移动机器人能够感知周围的环境,并能够实时的规划路径到达目标点,其中避碍问题是研究的热点。设计了一种在没有详细的环境信息的情况下,移动机器人避障过程中路径规划转换的控制方案,该方案机器人可以根据运动跟踪模式、避障模式及机器人状态选择逐渐逼近目标点,在尽可能出现的任何形状障碍物情况下用Matlab软件仿真实验。 实验结果表明,提出的自适应路径规划控制方案的有效性。     

基于遗传算法的自主机器人避障方法研究

在阐述了用势场法实现路径规划的基础上,针对全自主机器人的特点,提出了基于遗传算法的全自主机器人避障方法、通过实验表明,该方法的实时性好,避障速度可以满足系统的实时性需要,并且具有较高的可靠性、     

复杂环境中移动机器人的一种避障策略

提出了机器人在复杂环境中寻找到达目标点最优轨迹的一种避障策略.首先,从3个方面考虑,提出了机器人的运动函数.第一,机器人运动必须在指定区域内;第二,机器人能够动态避障并到达目标位置;第三,机器人运动路径保证最短.其次,给出了机器人路径优化设置的条件:个体适配值、路径再优化和运动策略突变.最后,通过仿真实验,证明了所提出的方法是可行的.     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于遗传算法的移动机器人路径规划设计

遗传算法是在自然界遗传机制基础上衍生出来的模拟生物进化论的一种方法,即同步搜索最优化的方法,被广泛运用于机器人路径规划中.文章将遗传算法和栅格法相结合来解决机器人避障的路径规划问题,并采用MATLAB软件编程仿真实现,仿真结果表明:该方法可以在较复杂的环境中规划出长度最短的可行路径.     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

模糊控制在移动机器人路径规划中的应用研究

利用模糊控制算法自身所具有的鲁棒性,对室内移动机器人的路径规划进行研究.将模糊控制应用于机器人的路径规划中,提出了以墙壁为基本参照物,顺时针为主方向的路径规划策略,经多次实验建立了模糊控制表,无需图像处理,无需精确的环境模型,实现了机器人路径规划和快速避障,并最终在室内静态环境下实现了机器人的准确定位.     

基于遗传算法的机器人路径规划

采用栅格法表示机器人工作环境模型，用序号编码，直角坐标与序号混合应用，采用遗传算法产生初始路径种群，并对其优化找出最短路径，然后增加删除，插入算子达到路径规划中避障的要求。用MATLAB语言进行的仿真研究，仿真结果表明遗传算法进行避障和路径规划的有效性和可行性。     

机器人足球比赛中位置控制算法的改进

基于FIRA机器人足球比赛11vs11仿真平台,通过建立数学模型分析了Position函数的工作原理,并对此函数进行改进以适应比赛中具体环境．从三个方面进行了改进：实现区域内避障,探测障碍物并根据具体情况避开障碍到达目标点;分析采用不同函数时机器人的运动轨迹,根据具体情况采用相应的轨迹避障或直接到达目标点;按照指定轨迹运动,完成动作规划,实现路径跟踪．仿真平台的实验证明,Position函数三个方面改进都能达到要求,能适应比赛中的设定情况．     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

基于蚁群算法的足球机器人避障方法

将蚁群算法用于针对运动目标的足球机器人动态避障路径规划,采用自适应更新策略的方法规划最佳避障路径,建立了严谨、简洁的选择概率函数和聚度函数,以达到对足球机器人避障路径的最优化。大量仿真实验表明,该方法可行有效。     

基于遗传算法的移动机器人多点路径规划

利用遗传算法解决了在复杂情况下机器人须经过多点并最终返回起点的路径规划问题.并根据实际情况,提出了相应的遗传编码方法,构造了相应的遗传算子.取得了很好的效果.     

基于遗传算法的移动机器人多点路径规划

利用遗传算法解决了在复杂情况下机器人须经过多点并最终返回起点的路径规划问题.并根据实际情况,提出了相应的遗传编码方法,构造了相应的遗传算子.取得了很好的效果.     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.