基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法在移动机器人路径规划中存在的稳定性不足、收敛速度慢、前瞻性差,易过早陷入局部最优等问题,优化改进了传统的蚁群算法.通过改进转移概率来优化转移规则,让蚂蚁可以精准地搜索到下一个最佳栅格位置;采用基于无限步长原理的新启发式信息来扩展视野,提高可见性精度;另外,改进算法还采用了新的信息素更新规则以加快收敛速度,扩...     

增强蚁群算法在移动机器人路径规划的应用研究

针对蚁群算法在移动机器人路径规划中存在的历史路径不能被充分利用的问题,提出一种具有通信机制的增强型蚁群算法。根据自然界中蚂蚁触手的接触特性,对历史路径进行整合,以获得更优的复合路径。为了进一步改进算法,提出一种放大的轮盘赌方法来加速收敛。设计自适应的Sigmoid衰减函数来优化不同阶段的启发式信息。针对死锁问题的各种类型,制定了具体的优化策略并减少了死锁蚂蚁的数量。最后进行了参数确定和对比实验,在简单环境和复杂环境下,所提算法的整体性能明显提高,实验结果证明了所提方法的有效性。     

基于改进多步长蚁群算法的机器人路径规划

针对移动机器人路径规划时蚁群算法稳定性不足且易陷入局部极值的问题,提出一种改进多步长蚁群算法,改进了基本蚁群算法中只能单步位移且方向固定的移动模式,从而减少路径的转向次数且缩短路径长度。针对移动机器人实际工作时可能遇到的环境坡度大的情形,在启发函数中加入高度因素,提升算法环境适应能力。采用自适应挥发机制,加快算法收敛速度及效率。结果表明：在具有变化高度的环境中,与基本蚁群算法相比,改进多步长蚁群算法规划出的路径更平缓且距离更短,更适合移动机器人工作情景。     

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。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题,提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先,在启发信息中加入当前节点、下一节点以及目标节点信息,并加入动态调节因子,使得启发信息在前期引导性强,信息素在迭代后期引导性强;其次,在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发,加快收敛速度;对蚁群算法得到的路径进行双向冗余节点删除,提高路径平滑度,最后,将改进的蚁群算法与改进动态窗口算法融合,使机器人安全到达终点。仿真表明,在相同地图环境中,蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

基于混合蚁群算法的AGV路径规划

针对传统蚁群算法在求解自动导引运输车(Automated Guided Vehicle,AGV)路径规划时存在搜索效率低且易陷入局部最优的问题,提出了一种运用于AGV路径规划的混合蚁群算法.首先,利用可视图法建立研究问题的环境模型,在此基础上利用A?算法规划出一条较优路径作为初始路径;其次,对蚁群算法信息素更新方式以及...     

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。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

基于混合参数蚁群算法的移动机器人路径规划北大核心

针对传统蚁群算法因初期信息素分布不均导致算法初期路径选择概率随机性大、搜索速度慢等缺陷,设计一种使用混合参数的蚁群改进算法。在算法开始阶段引入遗传算法,对遗传算法的适应度函数进行改进;设置一个评价点使遗传算法在合适的时机进入蚁群算法,并对算法的信息素挥发因子p采用一种自适应调整方式;对遗传算法的交叉率和变异率以及蚁群算法的信息因子和期望因子采用变异的混合参数,发挥4个参数因子在算法中的优点;在蚁群算法后面设置一个路径进化率的评价点判定是否再次进行遗传变异操作,目的是使蚁群算法跳出局部最优;算法最后引入B样条曲线光滑机制。实验结果表明:改进算法在简单和复杂的环境里找到的路径长度和路径拐点数明显减少,有比其他3种算法更快更准的寻找全局最优能力。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。     

移动机器人的栅格概率路径图法路径规划

针对PRM算法运行速度慢、难以针对狭窄通道采样的问题,提出一种栅格概率路径图算法。用栅格划分地图,并根据栅格内障碍物面积,划分栅格威胁等级,并依此使用不同采样策略。提出一种采样点落在障碍物内的重采样方法,提升了采样效率,增加了在狭窄通道内的采样。同时,改变连接策略,连接采样点时,不再遍历所有点,只与附近栅格进行连接,减少算法耗时。生成路径后,对路径进行优化与平滑,提升路径质量,使之符合移动机器人运动约束。通过仿真分析得到栅格概率路径图法中栅格缩放系数k选取的依据。仿真结果显示,栅格概率路径图法的运算时间和成功率与经典算法相比均获得提高。     

基于蚁群算法的数控板材加工路径规划

为缩短数控板材加工中的走刀时间,对传统的数控板材加工路径作出改进,提出基于蚁群算法的数控板材加工路径规划并做出了仿真.由仿真结果表明,本文提出的算法性能较好,能够大大缩短加工总路程.最后对蚁群算法应用在数控板材路径规划的前景进行了展望.     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

基于D*Lite算法路径规划的改进方法

针对D^*Lite算法的启发值不精确、规划出的路径斜穿过障碍物栅格顶点的问题,提出一种改进的方法。首先,使用一种更为精确的计算距离代替切比雪夫距离作为启发值,新的计算距离区分了直线距离和斜线距离的代价值;其次,对扩展节点进行分类,给危险节点引入一个安全系数;最后,对改进的算法进行仿真。仿真结果表明:改进后的D^*Lite算法因为启发值更精确,扩展次数减少,性能更好;引入安全系数,危险节点将不作为路径的优先选择,解决了规划的路径斜穿过障碍物栅格顶点的问题。不管是预规划还是重规划阶段都能够规划出一条十分安全的路径。