基于改进路网分层和A~*算法的最优路径研究

为了合理规划最优路径,满足实际应用的需要,对基于改进路网分层算法和A*算法的最优路径进行了研究。首先分别改进了路网分层算法和A*算法,然后提出了一种融合改进路网分层算法和改进A*算法的最优路径算法,并给出了最优路径算法在GIS平台上的实现过程。最后将该算法应用于苍南电力有限责任公司,结果表明,与传统A*算法相比,该算法降低了搜索时间,得到了最优的路径,提高了企业的工作效率。     

基于象限判别下的改进A~*算法路径规划

传统A*算法找到零碰撞概率的节点,需要很多处理时间并涉及检查很多相邻节点,因此工作效率较低。文章提出,将图像处理技术与路径规划避免碰撞技术相结合,通过基于象限判别下的改进A*算法,识别从起始点到目标点的最佳路径,避免碰到任何障碍物。为了验证所提出的改进A*算法可以解决传统A*算法中的缺点,通过编程语言MATLAB的图形处理进行了避障路径仿真。结果表明,所提出的改进A*算法可以有效缩短路径,减少处理时间。     

基于采样空间约束的改进RRT算法

由于水下环境比陆地环境复杂，在进行机器人水下路径规划时，利用传统算法规划的路径质量较差。为此，提出一种基于采样空间约束的改进快速扩展随机树(RRT)算法。首先，提取边界点，通过凸包算法划定障碍范围；其次，利用膨胀算法对划定的范围做区域膨胀，对采样空间进行约束；最后，通过对随机节点的四个特征进行计算，确定采样点的概率，为采用点的选择提供导向性，缩短因采样空间过大而导致过长寻路时间，提高路径质量。通过在PyCharm环境下的仿真实验对比RRT算法、RRT^*算法和改进后的RRT算法，实验结果表明改进的RRT算法各项性能均优于RRT算法和RRT^*算法。     

基于A*算法的深部地下空间火灾疏散路径动态规划

为了考虑地下空间火灾发生和发展的动态性,结合温度、CO体积分数等各类人体生理耐受性指标随着时间的变化,基于A*算法建立了一种能够考虑火灾场景演化的地下空间逃生疏散路径动态规划方法.采用Pathfinder软件、A*算法、蚁群算法分别对虚拟小尺寸模型和某地铁车站足尺模型进行逃生路径规划并对比分析,验证了A*算法在逃生疏散路径规划方面的高效性和可靠性.通过建立火灾场景关键指标的时程数据库,并根据人体耐受性指标限值识别可逃生区域,然后进行不同时刻火灾逃生场景的动态重构,采用A*算法对重构后的场景进行逃生疏散路径识别,实现了地下空间火灾疏散路径的动态规划.利用上述方法,基于某深埋地铁车站,根据火灾模拟软件提取的特定区域处温度、CO体积分数的时程数据,实时判断最优疏散路线及需要尽快撤离的区域,并给出了最大容许逃生疏散时间.该方法克服了传统静态路径规划的局限性,可为深地空间火灾疏散路径的实时动态规划和消防救援应急策略的制定提供依据.     

基于自适应步长策略的A*算法路径规划优化

针对A*算法求解路径轨迹耗时长、内存占用大等问题,本文提出一种基于自适应步长策略改进A*算法.首先,根据当前点与终点的位置关系,设定寻路方向的优先级顺序,减少不合理方向上的冗余规划计算量;其次,修改到达终点的判断条件,可在轨迹规划时实现路径的跳跃;再次,针对A*算法轨迹规划效率低的问题,提出自适应步长策略;最后,针对内存占用大,以及面对大地图时可能出现的内存溢出问题,提出了八方向搜索法.实验结果表明,相较于原始的A*算法,改进的A*算法在轨迹规划效率上获得了极大的提升,同时内存占用大的问题也得到了很好的解决     

航迹预测的多无人机任务规划方法

为提高无人机自主控制性能,实现任务分配与航迹规划整体架构,提出一种基于航迹预测的多无人机任务规划方法.首先,将禁飞区考虑为更接近真实场景的多边形模型;然后,使用改进A*航迹预测算法生成任意两个航迹点间障碍规避后的最短路径,利用该路径近似航迹航程作为任务分配过程的输入信息,建立目标函数,采用改进PSO算法求取最优结果;最后,使用B样条曲线平滑分配后的路径组合,生成无人机可飞行航迹.仿真结果表明,该方法能够以较高的计算速度和精度生成近似最优的任务分配结果和满足飞行约束的平滑航迹.     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,因此,提出基于改进蚁群算法的物流配送车辆路径优化方法.结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本...     

基于优化A*算法的智能车局部路径规划方法研究

路径规划是汽车智能化技术研究的热点。算法延时及路径偏差大等问题是路径规划算法需要研究的重点问题。文章基于A*算法,针对传统路径规划中存在的延时性问题,设计运行时间Tpre;针对规划路径与车辆实际行驶路径偏差大的问题,提出优化的节点拓展方法,通过添加惩罚系数到估价方程,修改节点拓展计算方法,约束算法拓展节点的方向。设计硬件在环实验,验证改进算法的可行性。实验结果证实:算法耗时缩短4.23%;所规划的理论路径与车辆实际路径之间的平均偏差率从0.113%降至0.078%,优化后的A*算法实时性和精确性均优于传统A*算法。     

智能停车场反向寻车系统设计

为了解决智能停车场的反向寻车问题，给出了基于PC客户端和移动客户端APP智能停车场或车库的反向寻车方法。采用超声探测手段进行车位车辆有无检测、设置监控设备与车位一对多方式完成车位图像采集，利用STM32单片机系统通过Zigbee无线通信组网方式将监测到的车牌号码及其车位编号等信息传输至服务器。利用ArcGIS进行场内地图的设计制作，通过文中提出的改进A*寻车路径规划算法实现搜素范围约束和冗余点的剔除，实现路径规划，完成寻车指引。对比不同环境下的路径优化仿真分析结果，改进的A*算法较广度优先算法减少了60%～80%的搜索节点数目。     

基于改进稀疏A~*算法的高超声速飞行器航迹规划技术

文章首先全面分析高超声速飞行器航迹规划的特殊性,然后对威胁场模型和规划过程中所要考虑的几何约束、性能约束、热流约束、燃料/路径等约束条件进行建模,再将航迹规划问题划分为参考航迹规划和可飞航迹规划两部分,设计高超声速飞行器航迹规划完整流程和一种改进的变步长稀疏A*算法,最后进行了仿真分析。仿真结果表明:规划出的航迹满足高超声速飞行器各种可飞行要求,并能够避开各种威胁,且规划时间短,稳定性好。     

复杂环境下移动机器人路径规划与跟随

提出了一种基于改进A^*算法和PID控制算法的新型移动机器人路径规划与路径跟随控制方法,该方法适用于复杂的迷宫环境．在所提出的方法中,解决了A^*算法转折点过多的问题,并且通过拓展障碍物和四阶三次均匀B样条优化的方法使生成的预期路径安全且平滑;之后基于前视点的两轮差速机器人运动学模型设计了PID控制器．在专门设计的框架中测试了所提出方法的性能．作为验证,分别从路径规划与路径跟随两个方面做了详尽的实验,结果表明,规划路径转折点少且平滑,设计的PID控制器能够控制移动机器人实现较好的路径跟随效果．最后,在复杂的迷宫环境中验证了提出的方法,结果表明,所提出的方法能够使机器人无碰撞穿越迷宫．     

移动机器人路径动态规划有向D*算法

针对传统D*路径规划算法搜索效率低、成本较高的问题,提出有向D*算法. 该算法考虑目标点与障碍物信息,引入关键节点概念,逐级扩展确定可行路径,并且引入导向函数以控制单次搜索的节点搜索范围来提高搜索效率;在原欧几里得评价指标的基础上引入路径平滑度函数对偏移路径进行惩罚,避免机器人无效转弯而增加移动成本;通过路径平滑度函数中的“转弯因子”协调路径长度与平滑度之间的关系,给出路径平滑度函数的分段原理与转弯因子的确定方法,并对算法收敛性进行证明. 在不同环境下的仿真实验表明,该算法较传统算法能更好地兼顾局部搜索与全局最优性,尤其适用于障碍物较多的复杂环境.     

Multi-objective route planning approach for timely searching tasks of a supervised robot

To performance efficient searching for an operator-supervised mobile robot, a multiple objectives route planning approach is proposed considering timeliness and path cost. An improved fitness function for route planning is proposed based on the multi-objective genetic algorithm （MOGA） for multiple objectives traveling salesman problem （MOTSP）. Then, the path between two route nodes is generated based on the heuristic path planning method A ＊. A simplified timeliness function for route nodes is proposed to represent the timeliness of each node. Based on the proposed timeliness function, experiments are conducted using the proposed two-stage planning method. The experimental results show that the proposed MOGA with improved fitness function can perform the searching function well when the timeliness of the searching task needs to be taken into consideration.     

基于遗传算法的脊杆索穹顶优化设计

为了降低实际工程中索穹顶结构的造价,提出了一种基于遗传算法的优化设计方法,将预应力倍数和构件截面作为离散设计变量,在目标函数中考虑了结构的施工张拉程度.以Geiger和Levy两种索穹顶作为算例,得到了在多种荷载工况下满足结构应力和位移约束的索穹顶最小造价,并研究了预应力对优化结果的影响.将索穹顶的脊索替换为可受压的钢杆后,对改进方案——脊杆索穹顶进行了优化设计,并与原结构对比了结构造价和力学性能.结果表明:该方法能够高效准确地得到造价最小的索穹顶结构,各构件内力比较接近其极限设计状态;有必要在索穹顶的设计过程中考虑预应力分项系数和活荷载不均匀分布等因素,以满足结构稳定性和单根构件承载力的要求;采用钢杆替换脊索,使索穹顶结构的总造价稍有降低,并显著降低了结构挠度和支座反力.     

基于运动约束的泛化Field D*路径规划

为了解决基于栅格的路径规划算法因环境描述的离散化导致规划结果不能满足机器人运动约束,以及单一路径代价的局限致使算法无法适用于复杂环境的问题,提出一种基于运动约束的泛化Field D*算法.该算法的代价函数可同时考虑路程、行驶安全以及行驶时间等一个或多个行驶代价.根据机器人运动模型的特性,在路径点提取过程中结合机器人的最小转弯半径,进行满足运动约束的路径平滑.该算法在多组模拟的复杂环境栅格地图中进行测试,实验结果表明,算法对复杂环境有很好的适应性,同时有效提高路径的可执行性.     

高温混合障碍空间中的移动机器人路径规划

为了解决高温场景中移动机器人全局路径规划所面临的安全与效率问题,提出高温热源虚拟障碍的定义,建立混合障碍空间模型,将高温场景中的路径规划问题转化为高温混合障碍空间中考虑路径温度代价和长度代价的多目标优化问题. 改进NSGA-Ⅱ算法,通过选取优秀非可行解扩展种群,提高了种群多样性和进化效率,提出新的交叉和变异概率计算方法. 根据种群进化进程和个体代价函数值调整概率,实现了种群前期搜索能力和后期收敛性的平衡. 仿真所得的最优路径结果表明,该改进算法的路径长度代价虽然比原算法和其他改进算法略有增加,但温度代价大幅降低,更有效地避免了陷入局部最优.     

应用改进随机树算法的无人艇局部路径规划

针对无人艇航速高及实时性要求高的特点,为满足路径规划需要,在经典快速扩展随机树(RRT)算法的基础上,设计一种基于改进RRT算法的局部路径规划方法,引入抑制因子、限定转角和距离启发信息,改进生长点和探索点的选择,提高了算法速度.为兼顾航行距离最短和无人艇操控性能的特殊要求,对规划路径采取多余航点处理以及考虑回转性能的平滑处理.以海上和湖上典型雷达图像的处理结果为环境模型,进行局部路径规划试验.试验结果表明:该方法可以快速完成路径搜索,在提高搜索效率的同时缩短了规划距离,优化处理后的航线更适用于无人艇的跟踪,满足无人艇规划系统的要求.     

基于优化蚁群算法的电缆敷设路径规划

针对基于传统手工设计的电缆敷设存在误差大和效率低等问题,将蚁群算法优化的计算机辅助设计应用到电缆敷设路径规划中.利用蚁群算法在复杂线路中多端点的线路计算优势,解决电缆敷设的最短路径问题.同时,本文将电缆敷设路径平面化,进一步利用Gompertz函数从信息素限定和挥发因子自适应调整两方面进行优化,提高了蚁群算法的收敛速度和全局性.仿真实验表明,优化的蚁群算法在变电站数字化三维电缆敷设过程能够快速得出最短电缆敷设路径,节省人力物资成本,提高了设计精度.