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。     

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。     

基于有向图规划的城乡物流配送路径优化研究

为了解决当前的城乡物流配送路径优化方法存在的路径利用率和需求点满意度低、配送成本高的问题,提出基于有向图规划的城乡物流配送路径优化方法。将城乡物流配送路径优化转化为配送路线合理安排问题,设计城乡物流配送路径问题表达式和约束条件,以此提出配送路径优化假设,建立城乡物流配送路径优化模型,并制定模型约束。采用有向图规划计算最短路径和最早配送时间,并获取该范围内的需求点,得到优化后的城乡物流配送需求点和路径。实验结果表明,研究方法的配送成本较低,路径利用率和需求点满意度较高。     

基于蚁群优化算法的旋转货架拣选路径规划

给出自动化立体仓库单拣选台分层水平旋转货架系统的数学模型,提出一种改进的蚁群优化算法,用于解决货物拣选路径规划问题。该算法能快速找到最优货物拣选路径,得到的解质量较高且计算时间短。仿真结果表明,该方法适用于求解中小规模货物拣选路径的规划问题,可以提高自动存储作业效率。     

基于蚁群优化的点胶控制系统路径规划

点胶是电子封装中的一个重要环节。为了改进传统点胶工艺中胶枪移动轨迹通常按X/Y方向进行优化导致加工效率低下的缺点,引入了基于蚁群优化的路径优化算法。大量的仿真结果表明该方法可以有效缩短胶枪的加工路径长度进而提高生产力,尤其当待加工点接近随机分布的时候,本优化算法的加工路径比传统X/Y方向优化所产生的路径短50%左右。     

基于蚁群优化算法的云数据库动态路径规划

云计算是下一代计算网络模型的发展趋势。云中的存储资源如何快速地路由,更是研究的难点。蚁群算法是基于群体的仿生优化算法,具有智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等优点。根据这两种事物的特点,提出了合理的结合算法,该算法能够在云中快速、合理地找到所需访问的数据库,减少云数据库数路由的动态负荷,从而很大程度上提高云计算的效率。     

基于蚁群算法的移动机器人多目标路径规划

迫于工作空间的限制以及对绿色生产理念的追求,在智能制造等领域人们通常需要机器人并行地执行多个任务,因此研究机器人的多目标路径规划更加符合实际需求.针对栅格模型中四、八邻域搜索方向较少的问题,提出了改进的十六邻域搜索方法;同时通过删除冗余转折点对路径进行了平滑处理,改善了路径存在的锯齿效果;结合蚁群优化算法与Dijkst...     

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．     

优化多步长蚁群算法求解机器人路径规划问题

针对蚁群算法收敛速度慢,规划路径存在冗余拐点不是最短路径等的一系列问题,提出优化的多步长蚁群算法.通过扩大机器人的视野域和活动域并加入简化算子,增加路径平滑度;通过差异化更新信息素并改进启发函数,促使机器人倾向终点移动,以提高收敛速度.应用MATLAB程序对改进后的算法与原蚁群算法和多步长蚁群算法进行仿真对比,通过多次...     

基于蚁群优化算法的对等网络路径算法优化研究

计算机网络的高速发展已经使对等网络(P2P)网络研究成为热点,而路径优化算法则是P2P计算的一个关键技术;文章设计了一种基于具有感觉与知觉特征的蚁群优化算法的P2P路径优化算法,实现了对P2P的最优路径查找;通过在100个节点的P2P网络环境仿真实验,对设计的算法SCA-P2P和基本蚁群算法ACO、GA算法进行比较;从算法执行步数上进行了对比分析,结果表明了所设计的SCA-P2P算法在执行效率和收敛速度方面具有明显的优越性,既可以增大搜索范围,又能够更快地找到满足条件的最优路径。     

基于粒子群并行优化的煤矿井下机器人路径规划

路径规划是煤矿井下搜救探测机器人自主导航的关键步骤,矿井是三维的非机构化的环境,机器人行走过程应该具有高度智能的路径规划,传统的自适应能力与处理非线性的问题能力较差,路径规划误差较大,提出基于粒子群并行优化的煤矿井下机器人路径规划方法,充分考虑井下的环境高低变化,采用栅格法对环境建模,将粒子群独立分布在不同容器中分别进行路径建模,不同容器中粒子分别进行优化操作;因为速度和最优子群被分别保留,在机器人路径规划实验阶段,路径规划的时间较传统方法降低20%,避障成功率高达95%,最优路径的出现概率能保持在99%,这种方法具有很强的指导性与实用价值。     

五次多项式优化的平行泊车路径规划

针对目前自动泊车路径规划普遍存在的曲率突变问题,提出了一种五次多项式优化的平行泊车路径规划方法。五次多项式曲线由约束条件建立的方程组求解得出,并对路径的曲率突变处进行过渡优化。为简化计算,引入“虚圆半径”的概念,以“虚圆半径”作为最小转弯半径,并按照“圆弧-直线-圆弧”平行泊车路径规划的方法进行求解,由此得出优化的平行泊车路径。仿真结果表明,五次多项式优化的平行泊车路径规划方法能够规划出曲率连续、满足避障约束和车辆运动学约束的优化路径,提高了路径跟踪的效果,保证车辆安全完成泊车。     

基于改进粒子群算法的移动机器人路径规划方法研究

针对移动机器人传统路径规划算法效率不高、寻优能力差等问题,本文提出一种基于改进粒子群优化算法(PSO)的移动机器人路径规划方法。该方法采用神经网络训练碰撞罚函数,得到无碰撞路径,然后采用粒子群优化算法解决路径的最优问题。利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性。仿真结果表明,这种新路径规划方法是可行且有效的。     

基于三阶反正切函数模型的平行泊车轨迹规划

现有泊车情况面临两大问题:停车空间小和泊车控制难.针对日益严重的“泊车难”问题,提出一种平行泊车的轨迹规划方法.该方法由带有三阶扰动的反正切式轨迹模型进行路径规划,考虑运动学的约束空间条件,利用遗传算法确定最优轨迹函数参数,最后获得最优泊车轨迹.仿真结果表明车住长与车长比值可达到1.315,多车位与多车型的模型仿真表明该路径规划方法的有效性以及较强的鲁棒性.     

Generative Adversarial Network Based Heuristics for Sampling-Based Path Planning

Sampling-based path planning is a popular methodology for robot path planning.With a uniform sampling strategy to explore the state space,a feasible path can be found without the complex geometric modeling of the configuration space.However,the quality of the initial solution is not guaranteed,and the convergence speed to the optimal solution is slow.In this paper,we present a novel image-based path planning algorithm to overcome these limitations.Specifically,a generative adversarial network(GAN)is designed to take the environment map(denoted as RGB image)as the input without other preprocessing works.The output is also an RGB image where the promising region(where a feasible path probably exists)is segmented.This promising region is utilized as a heuristic to achieve non-uniform sampling for the path planner.We conduct a number of simulation experiments to validate the effectiveness of the proposed method,and the results demonstrate that our method performs much better in terms of the quality of the initial solution and the convergence speed to the optimal solution.Furthermore,apart from the environments similar to the training set,our method also works well on the environments which are very different from the training set.     

基于改进粒子群优化算法的路径规划

针对二维静态环境下移动机器人路径规划问题,该文提出一种改进的粒子群算法求解最优路径。首先,由于传统的粒子群算法初始化粒子时并未考虑到粒子初始位置是否占障碍物空间,没有对占障碍物空间的粒子进行处理,导致粒子初始有效性低下,全局寻优不准确和全局寻优时间长。然后,为解决此问题,在初始化时采用一种修正粒子算法,解决初始时粒子有效性低下的问题。比较传统粒子群算法和该文算法的仿真结果。仿真结果表明,采用这种方法极大限度地增大了初始粒子的有效性,使算法迭代时可以更加快速准确地得到全局最优路径,所提方法有效可行。     

基于神经网络和粒子群优化算法的移动机器人动态避障路径规划

本文提出了基于神经网络和粒子群优化算法的移动机器人动态避障路径规划方法。该方法用神经网络模型描述机器人工作空间的动态环境信息,并建立起机器人动态避障与网络输出间的关系,然后将需规划路径的二维编码简化为一维编码,最后用粒子群优化算法获得最优无碰路径。仿真结果表明,所提的动态路径规划方法是正确和有效的。     

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。     

A Dynamic Load-Balancing Parallel Search for Enumerative Robot Path Planning

We present a parallel formulation for enumerative search in high dimensional spaces and apply it to planning paths for a 6-dof manipulator robot. Participating processors perform local A* search towards the goal configuration. To exploit all the processors at their maximum capacity at all times, a dynamic load-balancing scheme matches idle and busy processors for load transfer. For comparison purposes, we have also implemented an existing parallel static load-balancing formulation based on regular domain decomposition. Both methods achieved almost linear speed-up in our experiments. The two methods follow different search strategies in parallel and the implementation of the existing method (with tuned space decomposition) was more time efficient on average. However, the planning time of that method is highly dependent on the distribution of the search space among the processors and its tuned decomposition varies for different obstacle placements. Empirical selection of the space decomposition parameters for the existing method does not guarantee minimal planning time in all environments and leads to slower planning than our dynamic load-balancing method in some cases. The performance of the developed dynamic method is independent of the obstacle placements and the method can achieve consistent speed-up in all environments.     

基于智能体模型的路径规划与行为模拟仿真研究

智能体模型是当前在模拟仿真领域内能够实现的最为接近人类的方式。是实现复杂行为模拟仿真的重要方法,智能体能够通过逻辑驱动或自学习模式进行决策。多智能体系统在复杂战场环境的模拟仿真方面有着较大的优势,其分布式交互原理能够模拟不同兵种或者不同个体的行为与路径规划决策。文章针对当前智能体模型的研究现状以及路径规划领域的各种方法进行了简要介绍,并指出优点和不足,最后对其发展趋势进行了展望。