基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题,提出了一种基于遗传模拟退火算法的静态路径规划方法.通过对算法进行实验仿真,结果表明提出的静态路径规划方法是正确有效的.     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

机器人路径规划的神经网络算法及优化

开发了一种基于碰撞罚函数的移动机器人路径规划神经网络算法,充分利用社会网络的融合性和并行性提高移动机器人路径规划算法的运算速度,取得了显著效果,并提出了局部部径修正和路径“张紧”两种算法,有效的解决了局部路径微小碰撞和最矩路径问题,实现了机器人路径的最优化,最后给仿真结果。     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

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.     

一种机器人路径规划算法的研究

路径规划算法是室内移动机器人应用中最重要的算法之一.根据室内移动机器人在动静态环境下实时避障规划出一条最优路径的要求,设计一种新的路径规划算法.通过删除冗余点并平滑路径的方式对A*算法进行改进,又将其与TEB算法相结合,实现从指定起始点到指定目标点的路径选择及移动.实验结果表明,利用该算法可得到耗时短、平滑的路径,实时...     

基于模拟退火算法的机器人路径规划与研究

机器人技术作为20世纪自动控制领域的一项伟大成就已经取得了长足的发展,移动机器人也越来越多地应用到了各个行业中。移动机器人具有高度自规划、自组织和自适应能力,适合工作于复杂的非结构化环境中。本文以自主移动机器人为背景,着重对其关键的路径规划技术进行研究和探讨。     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

改进多步长蚁群算法移动机器人路径规划研究

为改善传统蚁群算法在路径规划中存在的规划路径实用性差、收敛速度慢、易陷入局部最优等问题,提出一种改进多步长蚁群算法.改进算法以移动机器人视野域内所有可直达节点作为下一步可选节点集,采用多步长移动方式以任意方向任意步长寻找下一节点,提高算法寻优效率和路径规划多样性;节点之间初始信息素依各节点与当前节点和目标节点连线的距离采取不均匀分布,降低蚁群在算法初期搜索的盲目性;通过路径长度增大优质路径与劣质路径的信息素更新差距,改进启发函数,提高算法收敛速度.仿真结果表明,改进算法规划路径具有长度短、路径平滑度高、步数少的优点,更符合移动机器人实际使用需求,收敛速度明显加快,路径规划效果提升显著.