改进遗传算法在移动机器人路径规划中的应用研究

针对基本遗传算法解决移动机器人路径规划问题存在收敛速度慢等不足,对遗传算法进行了改进,提出了一种改进自适应遗传算法。根据进化过程中个体适应度值的大小自动调节交叉概率和变异概率,从而使算法能够跳出局部最优解,克服早熟的缺点。同时采用栅格法对机器人工作空间进行建模。对移动机器人路径规划进行仿真实验,对比结果表明:该改进的遗传算法是有效可行的,能够有效的提高机器人路径规划的质量。     

基于遗传算法的自动导引机器人全局路径规划

基于轨线导引的自主移动机器人的全局路径规划是一种较典型的路径规划问题。本文将必经路径点的所有离散组合影射到连续的整数域 ,然后采用了基于二进制编码的经典遗传算法来进行最优路径规划 ,收到了良好的效果。仿真结果表明 ,此算法可在较短时间内求得最优解或近似最优解     

蚁群遗传算法在移动机器人路径规划中的综合应用研究

针对基本蚁群算法在机器人路径规划搜索初期盲目性大、效率低以及其搜索后期容易陷入局部最优等缺陷,把遗传算法引入到蚁群算法中,提出了基于蚁群遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划方案进行仿真测试,仿真结果表明该方案能减少蚁群算法搜索初期的盲目性、缩小最优路径的查找范围,提高搜索最优路径的效率。     

遗传算法在自主移动机器人局部路径规划中的应用

针对自主移动机器人的导航,为便于路径的规划,使用了遗传算法的轨迹规划策略实现实时动态避障,移动机器人和障碍物的位置和方向可由视觉系统检测。着重于应用的编码技术和选择适应度函数来加速遗传算法的执行以便用于实时控制,所提出的算法的效率由实验验证。     

基于遗传算法的机器人运动路径规划的应用研究

遗传算法是模拟自然界生物进化过程的计算模型,作为一种有效的全局并行优化搜索工具,它具有简单、通用和适于并行分布处理的特点以及广泛的应用潜力。本文介绍了遗传算法的基本原理、方法和特点,并着重从应用的角度讨论用遗传算法求解机器人最短路径规划问题。通过对实例的分析及计算,得出较为理想的结果。     

遗传算法在行为建模路径规划中的应用

针对虚拟概念设计中零部件实体行为建模的路径规划问题,使用了遗传算法的规划策略实现实时动态避障,多个零部件实体装配时移动的位置和方向由智能Agent互通消息获得。同时本文对编码和适应度函数进行了研究,使它加速遗传算法的执行以便于实时控制,所提出的算法通过计算机仿真实验表明该方法具有良好的行为建模动态路径规划能力。     

基于遗传算法的行为控制在机器人路径规划中的应用

对于机器人在动态环境下要达到的目标以及根据周围环境进行实时的避障问题,提出了基于遗传算法的行为控制的路径规划方法.用行为来描述机器人在达到目标点时所要执行的任务,再用遗传算法对机器人的行为控制参数进行优化,适应度函数是由路径最短和能够动态避障的评价函数进行加权求和来确定.并以足球机器人为实验平台,通过仿真实验证明了该方法的可行性.     

改进ACO及其在移动机器人路径规划中的应用

针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。     

清洁机器人基于遗传算法的全区域路径规划

介绍并分析了国内目前的几种智能型清洁机器人的全区域路径规划方法.以此为基础,提出了利用遗传算法对清洁机器人进行全区域路径规划的方法,最后对仿真结果进行了分析.     

改进蚁群算法在移动机器人路径规划中的应用研究

移动机器人作为智能化发展的重要产物之一,为人们提供扫地、擦地、擦窗户等服务.此类型机器人在移动路径规划上尚存在一定提升空间.为了改善机器人移动路径规划精度,加快路径搜索收敛速度,在传统蚁群算法基础上,采用蚂蚁相遇方法,在保留蚂蚁遍历路径记忆能力的同时,对算法路径搜索、路径选择、挥发系数进行改进.经过仿真分析验证改进后,算法收敛性能及路径规划性能得到提升.     

基于遗传算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性和拓扑结构,对曲面进行分片处理,在每一片上进行喷涂机器人喷枪路径的规划。将整个曲面上的喷枪路径顺序组合问题看成乡村邮递员问题（ORPP）,并采用哈密尔顿图形法表示ORPP,用遗传算法进行求解。个体编码采用代表哈密尔顿图中顶点的实数编码和代表每片上路径方向的编码相结合的方法,可实现对问题空间的全局快速寻优。最后以某品牌汽车车身后盖为喷涂对象进行仿真实验,实验结果验证了所提算法的有效性     

基于改进遗传算法的多直角贴装机器人路径协同规划

针对多直角机器人在大型复合结构板上协同贴片的问题,采用加入碰撞惩罚、分组进化、部分匹配交叉和自适应变异的改进遗传算法进行协同路径规划。利用MATLAB对3个直角贴装机器人进行了协同路径规划仿真实验,仿真结果表明：改进遗传算法规划出的路径更短、收敛速度更快,且无碰撞情况发生。     

基于遗传算法的焊接机器人三维路径规划研究

针对汽车焊接机器人路径规划不合理的问题,采利用遗传算法针对三维路径规划问题提出了相应的遗传编码方法,构造了相应的遗传算子,为焊接机器人三维路径的规划问题提出了一条新的发展路径。     

基于改进遗传算法的移动机器人路径规划研究

基于传统遗传算法在移动机器人路径规划中应用的不足,对遗传算法进行了一定的改进.在初始化种群中采用闵科夫斯基和原理扩展障碍物,选择真正可行的区域,在可行区域中去初始化种群,这样提高了进化的速度;在选择算子中引入了相似性的概念,扩大父代的种类,避免快速进入局部最优解;在交叉算子中采用了动态确定变异概率,这样可以提高个体的质量;通过仿真证明了改进的遗传算法能够更快的收敛到全局最优解,方法是正确有效的.     

一种有效的地图创建方法和机器人的路径规划

介绍了一种新的移动机器人基于多边形的地图创建方法(三角形法)和在此基础上的基于遗传算法的移动机器人路径规划算法,并进行了仿真试验。三角形法是在可视图法的基础上,通过删除冗余的地图信息而得到的一种更加精简更能清楚表现障碍物之间关系的地图创建方法。在此基础上实现遗传算法路径规划,通过快速的迭代便能够找到最优的路径。     

基于改进遗传算法的多模型加工路径规划

在数控加工中,为提高整体的加工效率,往往将多个模型在一块坯料中进行排布,然后进行整体加工规划。为解决多模型整体加工中的路径规划问题,提出对模型及其连接点进行多次调整的方法。在将模型位置简化为加工轮廓的几何中心点的基础上,采用遗传算法对加工轮廓的几何中心点进行排序,确定整体的最短加工顺序。然后在保证加工模型间不发生干涉的情况下,通过对模型的姿态和加工起始点的位置进行调整,进一步缩短模型间的空间跳刀长度。为解决遗传算法易于早熟和难以跳出局部最优解等问题,采用父子代参与竞争和自适应遗传算子等方式对遗传算法进行改进。试验结果表明,该方法能有效地缩短多模型加工的整体路长,并且改进的遗传算法具有很好的收敛效果。     

遗传算法及其在机器人控制中的应用

遗传算法是建立在模拟自然界生命进化机制基础上的一种新型搜索和优化方法.本文介绍了遗传算法的概念、基本原理及其优点,讨论了它在机器人控制领域中的应用.并指出了遗传算法存在的问题和在机器人控制中的未来发展方向.     

改进人工鱼群算法的机器人路径规划及跟踪

为了使移动机器人在已知环境中规划出最优路径并对路径进行跟踪,提出了基于改进人工鱼群算法的机器人路径规划方法和PID跟踪方法。使用栅格法建立了环境模型;分析了传统人工鱼群算法原理,对算法的视觉范围、移动步长、可行走区域进行了重新定义,使之能够适用于栅格环境;提出了加权平均视觉范围和自适应拥挤度因子,兼顾了算法前期大范围搜索和后期细致搜索;使用改进人工鱼群算法优化PID控制参数;经实验,相比于传统算法,改进算法规划出的路径长度减少了11.4%,改进算法优化的PID参数在超调量、上升时间、震荡次数等方面优势明显。     

基于模糊逻辑的机器人路径规划

提出了一种基于模糊逻辑的移动机器人路径规划算法,并对算法进行了运动仿真,仿真结果表明,对不同的路障能较好地实现机器人的避障,解决了人工势场法中局部极小的问题,避开了传统算法中存在对移动机器人定位精度要求高的约束。