基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障。     

基于改进蚁群算法的搜索机器人路径规划

针对搜索机器人路径规划问题,提出了一种改进的蚁群算法。算法构建一个栅格环境模型,并设置禁忌策略将部分栅格归为禁忌栅格以避免路径死锁;采用折返蚂蚁,且正向与反向蚂蚁分别采用不同搜索策略,来提高算法的收敛速度;构造路径综合评定目标函数,提高搜索最优路径的能力。实验表明:即使在复杂的环境中,本文算法也能快速地规划出最优路径。     

基于A*算法在蜂巢栅格地图中的路径规划研究

为了提高栅格地图中路径规划的质量和效率,研究了采用不同类型的栅格建立栅格地图的方法,并分析了在相同环境、相同路径规划算法的情况下,不同类型栅格对最终规划路径的影响.仿真结果表明,采用正六边形栅格(蜂巢栅格)的栅格地图相比于传统栅格的栅格地图(如正方形栅格地图、菱形栅格地图和三角形栅格地图)在障碍物信息描述方面更具有优势,规划出的路径长度最短,效率较高.     

基于启发式搜索算法的扫地机器人路径规划

扫地机器人逐渐进入到越来越多的普通家庭,这对扫地机器人的路径规划和定位水平提出了更严格的要求。文章在目前已成熟的栅格法、子区域划分法、模板模型法基础上,提出了一种新的扫地机器人基本路径规划方案,并基于启发式搜索算法对该方案加以实现。该方案通过建立一个二维栅格地图并结合适当的子区域划分方法,将全局清扫问题转化为子区域清扫问题以使清扫更高效、便捷;再通过构造合理的评价函数及利用传感器设立沿边清扫机制对基本方案进行优化。基本路径规划方案与启发式搜索算法、沿边机制结合后,解决了机器人在各子区域之间转移带来的高重复率、复杂路径的寻路低效率、不规则障碍物周围清扫低覆盖率等问题。该方案使扫地机器人在整体清扫工作上覆盖率能达到99%,重复率能控制在10%~18%。     

一种基于A*算法改进的最短路径搜索方法

无论是城市交通导航还是游戏人物导航,最短路径的有效搜索都是人们最为关注的部分。A~*算法是目前在导航方面较为有效的最短路径算法。对传统的A~*算法,A_ε算法,Alpha A~*算法以及添加启发式算法进行了对比分析,提出了一种改进方法 A~(*+)算法,即在原有算式上添加父节点启发式,并计算临界值筛选候选节点。实验结果表明,该方法节点排查能力明显优化,搜索效率得到提高。     

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明：相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。     

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。     

基于改进蚁群算法的移动机器人路径规划方法

针对蚁群算法收敛速度慢、效率低、容易陷入局部最优解的不足,本文提出一种自适应变化信息素总量的方式,使算法获得较快收敛速度.通过对启发函数的改进,增加蚁群搜索的目的性,降低陷入局部最优解的概率.仿真结果表明,改进的蚁群算法提高了搜索能力和收敛速度,验证了算法的有效性和优越性.     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

基于Bezier曲线模型的移动机器人路径规划算法

提出了一种基于Bezier曲线模型的路径规划方法,该算法能够有效地提高移动机器人控制的实时性和精确性。首先具体阐述了基于Bezier曲线模型的路径规划方法,给出确定移动机器人状态空间分量x,y和的方法,然后分析了该算法所具有的优点,最后通过仿真实验验证了所提出算法的正确性和可行性。     

一种基于栅格扩展的机器人路径规划方法

提出一种机器人的路径规划方法;这一路径规划方法是在机器人的位姿空间中进行的,采用栅格扩展的策略,即从初始位姿和终止位姿的栅格进行扩展。扩展一方的栅格前,先从这一方欲扩展栅格的第一个栅格向另一方欲扩展栅格的第一个栅格作一直线,沿这一直线首先进行扩展。最后在机器人的仿真系统中运用这一方法进行路径规划,大大地提高了路径规划的效率。     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

基于遗传蚁群算法的机器人全局路径规划研究

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,它的正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,它在解决组合优化问题上有着良好的适应性。因此将其应用到智能机器人全局路径规划中,其目的是探索一种新的路径寻优算法.在基于栅格划分的环境中,研究了机器人路径规划问题中蚁群系统的"外激素"表示及更新方式,并将遗传算法的交叉操作结合到蚁群系统的路径寻优过程中,提高了蚁群系统的路径寻优能力,为蚁群算法的应用提供了一种新的探索.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.