基于ACO算法的WebGIS系统实现关键技术

为进一步提升复杂场景中空间中的路径规划效果,基于改进的PSO-ACO算法,同时引入多因素地形适应度,提出一种路径规划算法。其中,将改进的PSO-ACO种群融合算法作为路径规划算法,引入多因素地形适应度对算法进行二次优化,以整体提升路径规划效果。实验结果表明,与单独的改进PSO和ACO算法相比,本研究的融合改进种群算法和多因素地形适应度的路径规划算法具有更佳的路径规划效果,在3 km、6 km、9 km、12 km的路径规模下的转折点个数仅为33,105,239,543,路径长度仅为3.25 km, 6.33 km, 10.26 km, 13.44 km,明显低于改进PSO和ACO算法;与其他路径规划算法相比,本研究算法在复杂场景下能够得到最佳的路径,同时还能够保持路径的平滑性。以上结果表明,本研究设计的路径规划算法具有优秀的路径规划效果,能够应用于实际场景中的路径规划,具有较高的可行性和使用价值。     

足球机器人路径规划的 PSO 方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法.为适应 PSO 算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点.进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性.     

足球机器人路径规划的PSO方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法。为适应PSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子（即解）的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性。     

复杂环境下的机器人路径规划蚂蚁算法

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的滚动规划蚂蚁算法.该方法将目标点映射到机器人视野域附近,再由两组蚂蚁采用最近邻居搜索策略相互协作完成机器人局部最优路径的搜索,机器人每前进一步,都由蚂蚁对局部路径重新搜索,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径到达终点.仿真实验结果表明,即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出一条优化路径,且能安全避碰,效果十分令人满意.     

基于改进灰狼优化算法的仓储物流机器人路径规划方法

仓储物流机器人目前的路径规划算法存在生成的规划路径过长、工作效率较低等问题。基于此提出基于改进灰狼优化算法的仓储物流机器人路径规划方法。先根据仓储物流调度情况构建机器人调度数学模型,再结合Logistic混沌映射模式改进灰狼路径规划算法,最后通过启发式路径微调算子,加强路径规划算法的局部开发能力,并利用K-means算法生成最优规划路径。仿真实验结果与文献研究方法应用效果相比,规划路径长度缩短了47.52 m、59.98 m。本方法具有一定应用价值,可提高仓储机器人的工作效率。     

基于PSO-SA的机器人关节空间轨迹规划

针对工业机器人点到点轨迹规划问题,提出一种基于PSO-SA的时间最优机器人关节空间轨迹规划方法。使用模拟退火算法(SA)对粒子群算法(PSO)进行优化,将模拟退火机制引入到粒子群算法以提高算法的全局搜索能力。使用惯性权重非线性递减策略以及动态学习因子来平衡算法的全局与局部搜索能力。以PUMA＿560机器人作为研究对象,通过5-7-5多项式插补函数得到各关节的轨迹曲线。通过PSO-SA优化关节运动时间,并加入关节的速度和加速度约束。对前三个关节进行实验仿真,结果表明PSO-SA比传统的PSO能得到更短的轨迹时间,算法也有更好的稳定性,提高了机器人的运动效率。     

基于变邻域蚁群算法的自动光学检测路径规划

在确定取像窗口最少数量及其约束移动范围的前提下,为解决蚁群算法用于自动光学检测路径规划存在的问题,提出一种基于变邻域蚁群算法的自动光学检测路径规划方法。针对蚁群算法收敛速度慢、易陷入局部最优解的问题,提出含有3种邻域结构的变邻域路径搜索方法,改进蚁群算法以快速获得质量优异的可优化路径;针对取像窗口位置可调整的问题,提出变邻域窗口位置调整方法,进一步改善可优化路径,获得最短路径。实验结果表明,该算法比基本的蚁群算法具有更高的求解效率和求解质量,有效提升了自动光学检测系统的在线检测效率。     

改进粒子群优化算法的移动机器人路径规划

针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划.该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响的不同,拟合两种环境参数;然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类,分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化;最后通过改进的粒子群更新公式对粒子进行更新,实现机器人全局和局部路径的优化.实验结果表明,改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力,路径规划速度快且路径距离短,同时具备更强的鲁棒性.     

蚁群算法在移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.移动机器人路径规划是一个多目标优化问题,由于避障定位要求,传统机器人路径规划优化方法存在算法复杂、搜索空间大和效率低等难题,难以获得最优解.为了提高机器路径规划的效率和定位准确性,提出了一种蚁群算法的移动机器人路径规划方法.蚁群算法的路径规划方法首先采用栅格法对机器人工作环境进行建模,然后将机器人出发点作为蚁巢位置,路径规划最终目标点作为蚁群食物源,通过蚂蚁间相互协作找到-条避开障碍物的最优机器人移动路径.仿真实验结果证明,蚁群算法的路径规划方法提高了机器人路径规划的效率,能在最短时间找到机器人路径规划最优解,且能安全避开障碍物,为优化设计提供了依据.     

一种改进PSO的室内机器人路径规划方法

针对室内空间局限性造成的移动机器人路径规划难度提升问题,文章分析了机器人室内移动中转弯、启停等运动特征,为获得最优规划路径引入了粒子群算法(particle swarm optimization, PSO),同时为改善经典算法中收敛度低,易早熟等问题,首先使用收敛因子、线性递减、非线性凹函数、随机分布方式等对PSO惯性权重的选取进行了讨论,并结合三次样条插值方法、选取罚函数作为适应度函数等对PSO进行了算法改进,最后,以实验室作为室内环境背景进行了仿真实验,并与经典的PSO路径规划方法进行了对比,实验结果表明,文章中改进的PSO路径规划方法精度高于经典PSO方法5%,平均寻优时间比经典PSO的少5s左右,能够有效的提高规划路径的平滑度,对于室内环境中机器人路径规划具有良好的实时性和有效性。     

基于文化萤火虫算法的足球机器人动态路径规划

提出一种基于文化算法框架的萤火虫优化算法,结合动态避障和滑模控制求解足球机器人动态路径规划问题,并利用数学定理证明算法的收敛性.根据足球机器人在比赛中承担任务的分工不同,分别对进攻和防守两种角色进行分析讨论,进攻时结合动态避碰的方法平滑和修正规划的路径;防守时通过滑模控制跟踪足球或对手机器人的轨迹,利用CFA算法进行整定优化滑模控制的参数,计算出机器人的运行速度和角速度.以足球机器人比赛实例进行测试,实验结果证实所提出算法无论对无碰撞危险还是有多个障碍物机器人碰撞危险等不同情况,都具备有效性和高效性.考察路径采样点数、种群数量和进化迭代次数等参数变化对收敛性能的影响,并将所提出算法与PSO和ACO等进化计算算法进行性能比较,验证了算法更容易搜索到全局最优解,有更好的收敛性能.     

求解区间图K-连接最短路径问题的在线算法

针对含有n个区间的区间图K-连接最短路径(K-SP)问题,提出一种求解区间图K-SP问题的在线算法。分析区间图及其最短路径问题的特有性质,利用改进的动态规划算法和贪心算法,优化在线算法的时间复杂度。理论分析结果表明,该算法的时间复杂度为O(nK+nlgn),与目前已知最优的离线算法复杂度相同。     

改进粒子群在水下机器人路径规划中的应用

在海洋环境中水下机器人路径规划具有规划范围广阔、障碍物相对稀疏、海流的影响不可避免的特点。应用粒子群优化(PSO)算法实现水下机器人在复杂海洋环境中的路径规划,并从参数控制策略及拓扑模型方面进行改进,得到收敛精度更好的改进粒子群优化算法。设计了综合路径长度、海流和转向费用的适应度函数,使算法很好地适应海流的变化,很大程度减小了海流对水下机器人能量消耗和控制的不利影响。经仿真实验验证了算法的有效性,并能够很好地满足在复杂海况环境水下机器人路径规划的要求。     

基于滚动优化和分散捕食者猎物模型的全覆盖路径规划算法

针对多机器人执行全覆盖任务效果差的问题,提出一种基于滚动优化和分散捕食者猎物模型的多机器人全覆盖路径规划算法.首先,利用栅格地图表示作业的环境空间,并基于栅格地图修正捕食者猎物算法中的避开捕食者奖励,添加移动代价奖励和死区回溯机制构建分散捕食者猎物模型;然后,引入滚动优化方法,避免机器人陷入局部最优,预测周期内机器人覆盖栅格的累计奖励值作为适应度函数,并使用鲸鱼优化算法(WOA)求解最优移动序列;最后,在不同环境下进行仿真实验,得到的平均路径长度与生物激励神经网络算法(BINN)和牛耕式A*算法(BA*)相比分别减少了16.69%sim17.33%、10.32%sim20.03%,验证了所提出算法在多机器人全覆盖路径规划中的可行性和有效性.     

基于粒子群算法的移动机器人路径规划

提出一种分步路径规划方法，首先采用链接图建立机器人工作空间模型,用Dijkstra算法求得链接图 最短路径；然后用粒子群算法对此路径进行优化，得到全局最优路径.仿真结果表明:所提方法简便可行,能够满足 移动机器人导航的高实时性要求,是机器人路径规划的一个较好方案.􀁱     

移动机器人路径规划的仿真研究

研究移动机器人路径优化问题,由于移动机器人寻优中存在定位稳定性和避障准确性问题,机器人路径规划不仅找到一条无碰撞、安全的移动机器人路径,而且要求路径尽可能最短。传统单一栅格法和遗传算法搜索最优路径效率低,难以全局最优路径。为了获得机器人全局最优路径,提出一种栅格法和混沌遗传算法相融合的移动机器人路径规划方法。首先采用栅格法对移动路径进行规划,作为遗传算法的初始种群,采用遗传算法进一步寻找最优路径。最后对移动机器人路径规划进行仿真,结果表明,混合算法可以很好地避免障碍物,快速找到一条机器人最优移动路径,十分适合于复杂环境路径规划。     

一种采用迭代优化的移动抓取规划方法

提出了一种无需对目标物体进行预建模的迭代优化移动抓取规划方法.该方法通过点云相机在线对目标物体进行立体模型测量和建模,通过深度卷积神经网络对目标点云生成的多个候选抓取位置的抓取成功率进行评价.然后,对机器人底盘和手爪的位置和姿态进行迭代优化,直到抓取目标物体时机器人达到一个最优的位形.再用A*算法规划一条从机器人当前位置到目标位置的运动路径.最后,在路径的基础上,用一种启发式随机路径逼近算法规划手臂的运动,实现边走边抓的效果.本文的深度学习抓取成功率评估算法在康奈尔数据集上取得了83.3%的精确度.所提运动规划算法能得到更平滑、更短且更有利于后续运动的路径.     

特征地图的室内机器人路径规划融合算法

为利用特征地图计算效率高的优点,同时解决传统动态窗口法对全局参数敏感的问题,提出一种基于特征地图的路径规划融合算法。通过给出适用于路径规划的特征地图表达方式,改进机器人与障碍物间距离的计算方法,实现了特征地图中障碍物的检测;结合爬虫（Bug）算法的基本原理和线段特征的属性,使用搜索优化算法,先搜索全局可行路径,再进行节点优化得到全局最优路径的关键节点,并对内外角点处搜索方向选择、障碍物端点绕行等问题提出了解决方法;针对传统动态窗口法对全局参数敏感性高的问题,分析了目标函数中各参数在路径不同位置对规划路径的影响程度,使用动态参数的方法对原目标函数进行改进;算法融合时,改进方向函数的计算方法,解决了机器人在路径中间节点出现明显减速的问题。经仿真实验验证,搜索优化算法有效,改进后的动态窗口算法降低了参数的敏感性,融合算法在计算效率方面有较大的优势,计算耗时最多减小79.27%,最少减小43.16%,而且机器人移动更平滑。     

基于改进混合蛙跳算法的移动机器人路径规划

针对混合蛙跳算法(SFLA)进行路径规划时易陷入局部最优且寻优效果较差的问题,提出一种改进的SFLA。改进算法在原算法的更新策略中引入欧氏距离和种群最优蛙,并提出一种带可调控制参数的产生新个体的方法代替原本的随机更新操作。把路径规划问题转换为最小化问题,基于环境中目标和障碍物的位置定义青蛙的适应度,机器人依次到达每次迭代中最好蛙的位置,从而实现最优路径规划。移动机器人仿真实验中,与其他算法相比,改进后的算法成功次数由82提高到98,规划时间由9.7s减少到5.3s。实验结果表明,改进算法具有较强的安全性和寻优性能。     

一种基于速度的移动对象轨迹简化算法

目前对移动对象轨迹简化问题分为离线简化和在线简化。以往的简化方法中许多依赖轨迹的几何特性,而针对移动对象的速度这一重要特征没有足够的关注。本文基于速度研究移动对象轨迹的离线简化新方法,提出了移动对象轨迹离线简化的动态规划算法、基于广度优先搜索的轨迹简化算法及其优化算法、时间复杂度更低的近似算法。并通过大量实验验证本文提出的算法比基于方向的简化算法和基于位置的简化算法具有更好的简化效率。