基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.     

基于模拟退火遗传混合算法的物流中心选址问题研究

为了增快货物流动速度、方便客户并减少不必要的配送成本,结合模拟退火算法和遣传算法,研究了物流配送中心选址问题,模拟退火遗传算法在收敛速度及跳出局部极值的能力诸方面明显优于标准的遗传算法和模拟退火算法。     

基于改进的遗传模拟退火混合算法求解TSP问题

本文针对遗传算法（GA）早熟收敛问题就GA的交叉算予进行改进,针对模拟退火算法易陷入局部最小值的缺点．使用HFC—ADM（自适应输入阂值的分等级搜索）的SA（模拟退火算法）和改进后的GA相结合,提出了一种求解TSP问题的遗传模拟退火混合算法,并应用于求解TSP（旅行商问题）问题。实验结果表明,该算法具有比传统的GA以及基于HFC—ADM的SA具有更强的全局搜索能力和更快的收敛速度。     

基于PH曲线的无人机路径规划算法

研究了无人机可飞行路径规划问题,传统路径规划算法不能生成满足无人机运动学约束的可飞行路径.为解决上述问题,提出了将曲率连续的Pythagorean Hodograph (PH)曲线(又称勾股速端曲线)直接用于无人机路径规划的方法,利用PH曲线曲率连续、曲线平滑以及有理特性,在已知威胁的环境中可直接得到满足最大曲率约束且曲率连续的无人机可飞行路径.采用遗传模拟退火算法搜索避开环境中威胁体,并满足约束条件的最优PH路径,使仿真过程结合遗传算法和模拟退火算法的优点,取长补短,提高搜索效率,加强全局搜索能力.仿真结果表明,遗传模拟退火算法能在较少的进化代数下得到最优路径解,且所得的满足约束条件的PH路径曲率连续,为无人机飞行控制提供了依据.     

基于改进模拟退火混合算法的移动机器人全局路径规划

利用改进模拟退火算法与共轭方向法组成混合全局优化算法,对移动机器人全局路径规划进行求解.该混合全局优化算法先用共轭方向法搜索局部最优解,再用改进模拟退火算法跳出局部最优解,依此更新温度值.如此反复操作,直至找到全局最优解.仿真结果表明该算法具有较好的优化效果,能快速收敛到全局最优解.     

服务航天器近距离操作四维运动规划方法研究

为了解决空间自主在轨服务航天器近距离操作敏捷、精确的运动问题,针对操作窄间小、障碍复杂等特点,提出基于改进的快速搜索随机树的四维运动规划方法.仿真算例验证了所给出的叫维运动规划方法能够满足在指定时间到达指定地点的四维运动要求,而且对服务航天器近距离操作运动具有较强的适应性.     

基于混合粒子群算法的移动机器人路径规划

为了确定复杂环境中移动机器人最优轨迹,提出了一种混合粒子群优化算法(IPSO-GOP).首先对粒子群优化算法进行改进,在算法运行的各个阶段对惯性权重进行自适应调整来增强粒子的搜索能力,并采用混沌变量对粒子进行扰动以提高收敛速度;其次,为了提高算法寻优能力,摆脱局部极小值并增加种群的多样性,引入遗传算法继承的多重交叉和变...     

基于自适应混合启发算法求解一类JSP问题

为解决一类Job Shop问题,提出了一种具有自适应机制的新的混合算法。该算法在分析和比较模拟退火算法和遗传算法的基础上,针对它们都缺乏全局指导机制的共同问题,引入具有自适应能力的全局指导策略,建立起个体与种群之间的反馈机制,混合后的算法还综合了两种启发算法的各自优点。通过具体的算例验证了该算法的有效性。     

DEM中基于遗传与蚁群的混合路径规划算法

现有启发式算法在DEM路径规划中因数据量巨大,效率较低。针对该问题,提出一种基于遗传和蚁群的混合路径规划算法。该算法在遗传过程中,通过在初始群体生成阶段构建选择因子,使得在节点搜索时更加倾向于终点方向,提高初始群体生成效率;对变异过程中变异节点的变异区间进行限制,避免产生路径断点;在蚁群寻优过程中,根据遗传过程产生的路径信息,采用自适应信息素初始化与更新策略,提高算法搜索效率。测试结果表明,混合算法能够在规则网格DEM数据下搜索出符合条件的路径,并具有较好的效率。     

遗传混合算法路径规划研究

遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。     

用混合遗传算法求解虚拟企业生产计划

针对虚拟企业生产计划的特点,以各成员企业承担的生产任务为对象,以快速响应市场为目标,建立了生产任务计划的数学模型,并基于该模型,提出一种基于遗传算法与模拟退火算法混合的求解算法,充分发挥了遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的优点．从而提高了算法的全局寻优能力．数值仿真计算表明了该算法的良好收敛性和有效性．     

基于改进群搜索优化算法的群体路径规划方法

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题,提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中,克服算法易陷入局部最优的问题;其次,通过结合多线程和路径随机拼接技术,将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性,能够很好地满足在复杂动画环境下路径规划的要求。     

基于模拟退火算法的人工势场法路径规划研究

针对传统人工势场法在路径规划中存在局部极值小点问题,使得移动机器人无法运动到目标点,提出一种基于模拟退火算法的人工势场法,其利用模拟退火算法在出现局部极小点的位置附近增设随机目标点,引导移动机器人逐渐逃离出局部极小点区域.最终通过Matlab仿真表明,所设计的方法能使移动机器人逃离局部极小点位置,成功到达目标点位置,并...     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

Disassembly sequence planning using a Flatworm algorithm

Disassembly Sequence Planning (DSP) refers to a disassembly sequence based on the disassembly properties and restrictions of the product parts that meets the benefit goal. This study aims to reduce the number of changes in disassembly direction and disassembly tools so as to reduce the disassembly time. This study proposes a novel Flatworm algorithm that evolves through the regenerative properties of the flatworm. It is similar to the evolutionary concept of genetic algorithms, with evolution as the main idea, but without crossover, mutation or replication mechanisms in the evolutionary processes. Instead, it is based upon the characteristics of the growth, fracture and regeneration mechanisms of the flatworm. The Flatworm algorithm features a variety of disassembly combinations and excellent mechanisms to avoid the local optimal solution. In particular, it has the advantage of keeping a good disassembly combination from being destroyed. In this study, it is compared with two genetic algorithms and two ant colony algorithms and tested in three examples of different complexity: a ceiling fan, a printer, and 150 simulated parts. The solution searching ability and execution time are compared upon the same evaluation standard. The test results demonstrate that the novel Flatworm algorithm proposed in this study is superior to the two genetic algorithms and ant colony algorithms in solution quality.     

基于文化算法的家庭服务机器人任务规划

通过对家庭服务机器人任务规划问题进行形式化描述,给出了问题的求解模型,提出了一种改进的文化算法,通过算法中信念空间和种群空间的相互联系和相互促进实现求解。算法采用独特的编码方式,其种群空间采用遗传算法作为进化手段,采用较为独特的信念提取方式构造算法的信念空间并促使其进化。将该算法用于家庭服务机器人大赛的仿真平台上,证明其有效性。     

基于混沌遗传算法的机器人路径规划方法研究

针对机器人路径规划中,应用遗传算法时容易陷入局部最优解以及收敛速度较慢等问题,设计出一种基于混沌遗传算法的路径规划方法。在基本遗传算法的基础上采用自适应调整的选择概率,并引入混沌操作,从而增强移动机器人路径规划算法的鲁棒性,解决一般遗传算法的早熟和收敛速度慢问题。经MATLAB仿真,证明该方法具有良好的避障性能。     

A simulated annealing method based on a specialised evolutionary algorithm

The flexible architecture of evolutionary algorithms allows specialised models to be obtained with the aim of performing as other search methods do, but more satisfactorily. In fact, there exist several evolutionary proposals in the literature that play the role of local search methods. In this paper, we make a step forward presenting a specialised evolutionary approach that carries out a search process equivalent to the one of simulated annealing. An empirical study comparing the new model with classic simulated annealing methods, hybrid algorithms and state-of-the-art optimisers concludes that the new alternative scheme for combining ideas from simulated annealing and evolutionary algorithms introduced by our proposal may outperform this kind of hybrid algorithms, and achieve competitive results with regard to proposals presented in the literature for binary-coded optimisation problems.     

Design of PID controller with incomplete derivation based on ant system algorithm

A new and intelligent design method for PID controller with incomplete derivation is proposed based on the ant system algorithm (ASA). For a given control system with this kind of PlD controller, a group of optimal PID controller parameters Kp^*, Ti^*, and Td^* can be obtained by taking the overshoot, settling time, and steady-state error of the system‘s unit step response as the penfomunce indexes and by use of our improved ant system algorithm. Kp^*, Ti^*, and Td^* can be used in real-time control. This kind of controller is called the ASA-PID controller with incomplete derivation. To verify the performance of the ASA-PID controller, three different typical transfer functions were tested, and three existing typical tunmg methods of PID controller parameters,including the Ziegler-Nichols method (ZN), the genetic algnrithrn (GA), and the simulated annealing (SA), were adopted for comparison. The simulation results showed that the ASA-PID controller can be used to control different objects and has better performance compared with the ZN-PID and GA-PID controllers, and comparable performance compared with the SA-PID controller.