ACR原型系统的全局路径规划遗传算法研究

ACR(物品自动运送机器人 )的全局路径规划是一种特殊而又典型的机器人路径规划问题, 可转化为一种TSP问题. 通过深入分析问题自身特性并辅以大量的仿真实验, 对遗传算法的选择、交叉、变异等操作及其相关参数作了深入细致的优化, 同时将“进化逆转”操作引入标准遗传算法框架中, 最终获得了一种性能良好的全局路径规划算法. 仿真结果表明, 此算法可在较短时间内求得最优解或准最优解.     

基于遗传算法的医药配送路径规划

在物流配送业务中,存在许多优化决策的问题,该文只讨论物流配送路线规划问题。该文主要以医药物流配送为研究对象,将现实的地理网络抽象为便于计算机实现的抽象的点线网络。论文中选择了基于遗传算法作为该网络模型的分析算法的基础,并对配送线路进行了规划。     

基于蚁群算法的多AUV路径规划仿真研究

多AUV路径规划是一种典型的带约束组合优化问题,如果采用传统的方法求解效果并不理想.蚁群算法是对自然界中蚂蚁在寻找食物过程中所表现出来的智能行为的一种模拟,它非常善于处理带约束的大规模复杂组合优化问题.应用蚁群算法结合TSP问题来为一群AUV进行路径规划,寻找最短且安全的路径.算法分为两部分:1)路径优化:使所有AUV的总路程最小化;2)路径校核:检查是否存在潜在的静态或动态碰撞.最后以三个AUV的情形为例对算法加以了验证,仿真结果表明该方法耗时短、效率高,为求解多AUV路径规划问题提供了一个高效解决方案.     

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。     

一个由接口路径求Hamilton回路的算法研究

为了求简单图中的所有Hamilton回路,首先,提出了一种对集合幂集进行编码的算法,引入了接口路径的概念,将Hamilton回路的运算转换为等级接口路径矩阵的运算;其次,结合肖尔茨猜想的证明,对算法复杂性的上限进行了估算;最后,以中国旅行商问题为例,给出了求解CTSP的精确算法.     

导航系统中多目标路径平滑化规划的研究

路径规划是车辆、机器人出行、无人机航路推荐和计算机游戏等许多应用中的关键任务。现有的大多路径规划常简化为单目标优化问题进行求解。但在现实生活中,还需要同时考虑多种规划目标,且用于规划路径的目标之间还存在着彼此不能变换的问题。在熟知的路径规划算法（D*Lite）上提出了一种新的多目标路径平滑化规划算法-平滑多目标D*Lite算法。通过构造一条初始多目标平滑路径,当检测到环境变化时采用增量搜索思想,仅更新受影响结点并从当前结点重新进行规划得到一条新的多目标平滑路径。仿真结果表明,该算法不但能有效躲避突发障碍物,规划路径拐点较少,还能提高搜索效率,可有效应用于具有不同非交互规划目标的导航系统。     

基于离散灰狼算法的喷涂机器人路径规划方法

针对目前用于复杂结构实体喷涂的机器人路径规划方法存在的效率低、未考虑碰撞以及适用性差等问题，提出一种用于求解多层决策问题的离散灰狼算法，并把该算法用于该路径规划问题的求解。为了将连续域灰狼算法改为用于求解多层决策问题的离散灰狼算法，采用矩阵编码方法解决多层决策问题的编码问题，提出基于先验知识与随机选择的混合初始化方法提高算法求解效率和精度，运用交叉算子与两级变异算子定义离散域灰狼算法的种群更新策略。另外，运用图论将喷涂机器人路径规划问题简化为广义旅行商问题，并建立了该问题的最短路径模型和路径碰撞模型。在路径规划实验中，相较于粒子群算法、遗传算法和蚁群算法，提出的算法规划的平均路径长度分别减小了5.0%、5.5%和6.6%，碰撞次数降低为0，且路径更平滑。实验结果表明，提出的算法能够有效提高喷涂机器人的喷涂效率，以及喷涂路径的安全性和适用性。     

基于遗传算法的多人旅行商问题求解

旅行商问题是一个经典的XP完全问题,多人旅行商问题的求解则更具挑战性。以往对求解多人旅行商问题的研究局限于以所有成员路径总和最小为优化标准,面对以所有成员路径最大值最小为优化标准的另一类多人旅行商问题却未加注意。文章给出了这两类多人旅行商问题的形式化描述,探讨了利用遗传算法求解这两类多人旅行商问题的基本思想和具体方案,进行了仿真实验验证。仿真实验数据表明,这是一种高效而且适应性强的多人旅行商问题求解方法。     

基于离散灰狼算法的喷涂机器人路径规划方法

针对目前用于复杂结构实体喷涂的机器人路径规划方法存在的效率低、未考虑碰撞以及适用性差等问题,提出一种用于求解多层决策问题的离散灰狼算法,并把该算法用于该路径规划问题的求解。为了将连续域灰狼算法改为用于求解多层决策问题的离散灰狼算法,采用矩阵编码方法解决多层决策问题的编码问题,提出基于先验知识与随机选择的混合初始化方法提高算法求解效率和精度,运用交叉算子与两级变异算子定义离散域灰狼算法的种群更新策略。另外,运用图论将喷涂机器人路径规划问题简化为广义旅行商问题,并建立了该问题的最短路径模型和路径碰撞模型。在路径规划实验中,相较于粒子群算法、遗传算法和蚁群算法,提出的算法规划的平均路径长度分别减小了5.0%、5.5%和6.6%,碰撞次数降低为0,且路径更平滑。实验结果表明,提出的算法能够有效提高喷涂机器人的喷涂效率,以及喷涂路径的安全性和适用性。     

飞机起飞调运航路规划方法研究

针对飞机从停机位到起飞位的调运航路规划问题,为了规划最优航路,首先采用栅格法建立了飞行场地和飞机的简化模型,根据飞行场地的飞机布列位置,应用蚁群优化算法,规划出所有飞机从停机位到不同的起飞位的调运航路;针对飞机运动时的转角约束条件,利用B样条对规划出的调运航路进行平滑处理。经仿真生成了安全、可行的最短调运航路。仿真结果表明,将蚁群算法和B样条相结合应用于飞机调运航路规划,可以满足飞机运动的约束条件且规划出的结果优化。     

基于栅格法的移动机器人路径规划研究

文章简要阐述了基于栅格法的移动机器人路径规划算法问题,并利用C Buidler软件开发的仿真平台对该问题进行了仿真,仿真结果说明了该算法的有效性和实用性.     

空间冗余机械臂路径规划方法研究

针对空间站遥操作7DOF冗余机械臂路径规划的安全性、可靠性问题,提出了基于臂型角逆运动学的优化A*路径规划算法.本文根据臂型角参数化完善了逆运动学方法,得到了32组完备逆解集,增加了路径规划时逆解选择的灵活性;通过臂型角搜索和最小奇异值优化A*路径规划算法,提高机械臂避障、避奇异能力,机械臂操作的灵活性和路径的安全可靠性;同时根据路径优化策略,有效平滑了路径,减少了机械臂的磨损.仿真结果说明了该方法的有效性.     

运动威胁环境中航迹规划方法研究

研究优化航迹规划问题,飞行器常常要规避运动威胁目标,安全到达终点.要求检测目标的实时性和定位准确性.传统算法由于收敛速度过慢,计算要消耗大量时间,并且在威胁复杂的情况下,难以找到精确航迹,无法保证飞行器的安全性.为了解决上述难题,将时间要素加入到空间模型中,建立精确的运动模型;提出以时间片为基础的飞行器安全检测方法;并改进遗传算法编码方式,增加搜索效率.仿真结果表明所提方法合理有效.     

基于Fast Marching方法的多目标点路径规划的研究

目前,水下自主机器鱼已经被应用于对水域多个目标点依次进行水质监测,因此有必要研究多个目标点的路径规划。针对遍历多个目标点的路径规划问题,提出一种Multi-Direction Fast Marching（MDFM）方法和遗传算法相结合的路径规划方法。该方法首先使用MDFM方法对工作站和多个目标点两两之间进行路径规划,然后使用遗传算法规划出遍历所有点的最短路径,最后通过仿真实验验证算法的可行性。     

机器人路径规划方法综述

路径规划技术是机器人控制技术研究中的一个重要问题,目前为止,其研究方法主要有两大类传统方法和智能方法.综述了有关机器人路径规划技术的研究方法,介绍了自由空间法等传统方法,同时讨论了基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术,并展望了机器人路径规划技术的未来与发展趋势.     

基于改进粒子群算法的移动机器人路径规划方法研究

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,本文提出一种基于改进粒子群优化算法(PSO)的移动机器人路径规划方法。该方法采用神经网络训练碰撞罚函数,得到无碰撞路径,然后采用粒子群优化算法解决路径的最优问题。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。     

移动机器人动态人工势场路径规划方法研究

针对传统人工势场法在多障碍物环境中进行路径规划存在局部极小值,以及动态环境中移动机器人无法实时路径规划等问题,提出一种动态模糊控制的改进人工势场法,通过在势场力函数中引入速度矢量项,并采用模糊控制方法实时调节斥力场系数,从而实现在动态多障碍物的环境下机器人快速、实时、自适应的路径规划.仿真结果表明,该方法有效可行,在典型位置关系及特殊运动状态下均可获得良好的路径规划性能.

Abstract：

For traditional artificial potential field (APF) method,the local minima problem exists and can not satisfy the requirement of real-time for path planning of mobile robots in the multi-obstacle dynamic environment. A new APF method based on dynamic fuzzy control is proposed in this paper. The potential field force function is modified by introducing the velocity vector. The coefficients of potential field of repulsive force are adjusted by fuzzy control method. A fast real-time self-adaptive path planning method with dynamic multi-obstacle is realized. The simulation results show that the method is effective and feasible, and can get much better performance of path planning in typical location relationship and special motion relationship.     

多机器人路径规划方法研究

路径规划是当前多机器人系统石矸究的一个热点问题。在对已有方法研究的基础上,提出一种全局路径规划和局部路径规划有效结合的新方法。仿真结果表明,该方法能提高路径规划的效率,使机器人具有良好的避碰能力,较好地实现了多机器人的路径规划。