基于Dijkstra算法的足球机器人的一种路径规划方法

Dijkstra算法是典型的最短路算法,用于计算一个节点到其他所有节点的最短路径,主要特点是以起始点为中心向外层层扩展,直至扩展到终点为止.将该算法应用于足球机器人的路径规划和避障控制中,足球机器人在识别环境的前提下,能够及时判断出最短路径.该算法已经应用于实际的机器人控制中,取得了良好的应用效果.     

足球机器人进攻路径及踢球位姿递推算法

在动态环境中实时、准确地预测和规划足球机器人进攻路径和踢球位姿难度极大．为此,提出一个简捷递推算法,用于规划足球机器人进攻路径和调整踢球位姿．FIRA SimuroSot仿真比赛的实践证明该算法是行之有效的．     

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。     

基于动态基准圆的机器人足球射门算法研究

为提高足球机器人的射门成功率,在分析了几种射门算法存在不足之处的基础上,引入动态基准圆的概念,提出了一种运动轨迹采用近似阿基米德螺线的射门算法．仿真结果表明,该算法在球静态和动态两种情况下均能缩短射门机器人的运动路径,增大击球的冲量,提高射门成功率．     

机器人足球射门算法研究

为提高足球机器人的射门成功率，在分析了基本射门算法存在不足之处的基础上，引入了射门区的概念．通过计算射门区及射门角，提出了一种改进的射门算法，并给出了射门过程的Petri网模型．仿真结果证明该算法能优化射门机器人的运动路径，提高射门成功率．     

基于定长实数路径编码机制的移动机器人路径规划

针对移动机器人路径规划问题,提出一种新的定长实数路径编码机制。首先进行环境地图建模,通过坐标变换在路径的起点和终点之间建立新地图,然后用定长的实数编码机制使得机器人在不断靠近目标点的趋势上,寻找一条最优的路径。为了进一步提高效率,根据障碍物的位置规划出机器人的“有效区域”,缩小搜索空间。采用免疫进化与模拟退火相结合的免疫模拟退火算法求解最优路径。仿真实验表明,该算法具有较强的全局和局部搜索能力,能够使得机器人快速地找到一条较优的路径。     

基于自适应遗传算法的足球机器人策略设计

提出了一个基于自适应遗传算法的足球机器人动作规划算法．定义了一个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用自适应遗传算法为足球机器人选择合适的动作．算法引入了局部搜索,采用了一种高效的适应性评价方法．实验表明,应用新算法的仿真足球机器人动作准确、效果好．     

基于改进蚁群算法的机器人路径规划研究

针对物流机器人路径寻优问题,提出一种改进的蚁群算法。该方法使用双向搜索的A^*算法预先得出两条路径作为较优解,之后以路径为中心向各个搜索方向扩展成优势区域,以设定的系数提高区域内信息素浓度,最终实现传统蚁群算法的改进。在20 m×20 m的栅格环境内对算法进行仿真试验,结果表明改进的蚁群算法的路径寻优能力更强,可为物流机器人路径规划问题提供一定参考。     

基于滚动窗口的足球机器人传球路径搜索

为了解决足球机器人传球路径的搜索问题,提出了与比赛双方队员控制区域有关的机动圆的概念,并用遗传算法来进行搜索空间较大情况下的传球点的搜索,从而完成了单步传球路径的优化,利用滚动窗口法解决了在实时动态环境下且环境信息无法预测时,足球机器人全程传球路径的搜索．仿真实验和比赛结果证明了该方法的有效性．     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

基于二进制粒子群算法的移动机器人路径规划

由于用PSO进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径,使算法受到一定的局限性.为此,研究了一种全新的基于栅格法的机器人路径规划二进制粒子群算法.首先用栅格法描述机器人工作环境,在此基础上,将机器人路径表示为粒子位置的二进制编码,并以路径长度为适应值,产生初始种群后,再对粒子位置和速度进行更新,经过多次迭代,即可获得从起始点到目标点的一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,计算机仿真实验证明了该方法的有效性和先进性.     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

基于神经网络和粒子群算法的移动机器人路径规划

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,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法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.     

基于一种改进PSO的移动机器人路径规划

提出了基于一种改进微粒群优化算法的移动机器人在已知环境信息下的路径规划方法。通过对算法中微粒的速度进化方式的改进，使算法能有效地对搜索空间进行搜索，避免陷入过早收敛，此外还将边界约束、静态避障和最短路径这3个条件表示成一个简单的适应度函数，使整个优化过程满足路径规划的任务要求。最后，通过仿真取得了很好的效果，证实了方法的可行性和有效性。     

基于人工免疫势场法的移动机器人路径规划

针对人工势场法和基本遗传算法在解决移动机器人的路径规划问题时。容易产生目标不可达和局部极小值的问题,提出了1种基于人工免疫势场法的移动机器人路径规划算法(MRPP-AIPF).该算法将初始抗体群动态分配为记忆保留单元和临时抗体单元,通过交叉、变异和遗忘等算子进行进化操作,使较优抗体较早生成,提高了算法的收敛能力和保持抗体群的多样性.仿真实验表明,MRPP-AIPF算法属有效路径规划算法.     

初始信息素不均匀分布的蚁群算法

蚁群算法初始信息素的等值分布导致其在移动机器人路径规划中存在收敛性差、收敛速度慢等不足,为此,文章提出一种初始信息素不均匀分布策略的蚁群算法.初始信息素不均匀分布策略的核心思想是基于双向搜索,根据起点与终点附近首个障碍物信息构建初始信息素增强区域,以此降低算法初期搜索的盲目性,进而提升算法收敛性能.仿真实验结果表明,该...     

非完整运动规划的粒子群优化算法

讨论了粒子群优化和非完整运动规划问题。首先对粒子群优化算法的性能进行了分析，发现当搜索空间的维数较高时，粒子群将收敛到子空间的一个局部最优点，而该点并不是整个搜索空间的局部最优点。通过引入变异算子，则可以改进粒子群优化算法的性能。在此基础上，提出了一种求解非完整运动规划问题的带变异算子的粒子群优化算法。仿真结果表明，对于30维的球形函数，无变异操作的粒子群优化算法不能得到问题的最优解，而最优解可以非常容易地由带变异操作的粒子群优化算法得到。对独轮移动机器人非完整运动规划问题进行了仿真。结果表明，粒子群优化算法比牛顿法更有效。     

移动机器人运动规划的粒子群优化算法

针对移动机器人非完整运动规划问题,采用多项式插值技术实现控制参数化,将无穷维非完整运动规划问题转化为有限维参数优化问题.考虑系统的能量消耗和末端约束,构造了优化的目标函数.提出了一种求解移动机器人非完整运动规划的粒子群优化算法.仿真结果验证了移动机器人运动规划的粒子群优化算法的有效性.     

记忆运动方向的机器人避障算法

在一般的避障环境中,Tangentbug算法表现的非常鲁棒,但当避障环境中有对称障碍物的时候,Tangentbug算法容易产生路径的死循环,从而导致终点不可到达.然而在机器人避障过程中,对称障碍物是非常常见的.针对这个问题,提出了基于记忆机器人运动方向的Tangentbug算法.该算法中,机器人每经过一个位置点,就把当前位置点和选择的运动方向记录下来,为后面的更新运动方向做好准备.首先,机器人扫描到障碍物时计算出机器人与障碍物的相遇方向;其次,根据障碍物的边缘,统计局部地图信息,得到局部切线图,找到离终点和当前点距离和最近的点作为机器人的下一个目标点,得到机器人的运动方向;然后,在机器人绕行障碍物时结合记忆的运动方向和局部切线图产生的最小距离和更新下一步运动方向.在整个避障过程中,不停的更新相遇方向和运动方向,最终实现机器人的直行和绕行,从而到达终点.通过大量实验验证,实验结果表明该算法不仅可以实现机器人在对称障碍物环境中顺利到达终点,也可以在非对称障碍物环境中达到终点,验证了该算法的有效性和鲁棒性.