移动机器人全覆盖路径规划算法综述

各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。     

移动机器人全覆盖路径规划算法综述

各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。     

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．     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题，提出了一种新的规划算法——混沌控制算法．该算法利用混沌控制原理，根据检测到的目标位置信息，分别采用线性和非线性方法构造目标函数，然后通过牛顿定理，进行路径规划，求出规划节点．最后对算法进行了模拟仿真．仿真结果表明，构造的目标函数在每个目标点周围形成了收敛区域，机器人移向哪一个目标点，由它的初始状态所在的吸引域决定，不必再施加其它控制．这样减少了规划的计算量，提高了路径规划的速度和精度，为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础。     

基于Lü系统的移动机器人完成特殊情况下全覆盖路径规划的参数值选择策略（英文）

针对移动机器人完成特殊情况下的全覆盖路径规划（complete coverage path planning,CCPP）任务,基于Lü系统,提出一种构造混沌机器人的系统参数值综合选择策略,以满足特殊任务下遍历轨迹高随机性和高覆盖率的需求。首先利用混沌系统必为耗散系统的特点,大致确定Lü系统成为耗散系统的参数取值范围;然后计算耗散系统下的李雅普诺夫指数谱,缩小系统参数的取值范围;其次画出这些参数下的相平面,大致判断其轨迹的拓扑分布特性;进一步在好的参数取值里,计算每个参数下变量的皮尔逊相关系数,判断每个变量的随机特性。最后,在所确定参数值下,利用其中的变量构造混沌机器人,并仿真测试了覆盖率,研究覆盖率和变量随机特性之间的关系。上述综合选择策略根据覆盖轨迹混沌性和随机性的要求,逐渐缩小了系统参数的取值范围。与使用一组固定的经典参数值的Lü系统相比,经过综合方法选择参数值的系统,能挑选出李雅普诺夫指数大的变量来构造混沌机器人,从而使覆盖轨迹的随机性能更高。另一个混沌Lorenz系统,用来测试和验证所设计策略的可行性和有效性。此类研究能够提高机器人完成特殊情况下CCPP任务的效率。     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法———混沌控制算法.该算法利用混沌控制原理,根据检测到的目标位置信息,分别采用线性和非线性方法构造目标函数,然后通过牛顿定理,进行路径规划,求出规划节点.最后对算法进行了模拟仿真.仿真结果表明,构造的目标函数在每个目标点周围形成了收敛区域,机器人移向哪一个目标点,由它的初始状态所在的吸引域决定,不必再施加其它控制.这样减少了规划的计算量,提高了路径规划的速度和精度,为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础.     

基于李亚普诺夫直接法的混沌同步控制研究

提出了一种简单的混沌系统同步控制策略。选择一正定的李亚普诺夫函数，基于李亚普诺夫直接法求出混沌同步的控制量。将该思想用于Lorenz系统、Rossler系统和Chen系统。理论分析和仿真结果表明，利用该控制策略可以实现系统不同初始点情况下的混沌系统的同步控制。     

基于全覆盖路径规划的地面搜索问题研究

对简化的地面搜索问题进行研究.首先用最小覆盖原理求出组内每个人的实际搜索半径:考虑组内所有搜索队员作为一个整体沿区域扫描线方向进行搜索,从而可导出一组搜索队伍总的搜索宽度:然后用搜索队伍总的搜索宽度对目标区域进行栅格化;最后采用基于栅格地图的全覆盖路径规划算法对问题I进行求解.对问题2,首先根据时间均衡原则和各组人数均衡原则,确定好各组人数与各组区域优化分配,于是问题2就转化为问题1,便可采用问题1的模型进行求解.     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

优化的移动机器人无障区域内覆盖路径研究

移动机器人在含障区域内全覆盖路径规划的优化问题是一个需要整体考虑的问题,通常包括无障子区域分割、子区域内部行走路径和子区域间衔接三个子问题.文章研究子区域内部行走路径的优化问题,对几种常用的行走路径进行计算、分析和比较,并用实物机器人进行了行走实验.结果表明,无论从局部和全局上讲,向内螺旋式路径更适合于移动机器人在无障子区域内完成全覆盖任务.     

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．     

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．     

基于可拓遗传算法的机器人路径规划

在遗传算法基础上,用扩展物元来表示机器人的位置信息,使计算机能够较容易读懂这种语言,加快了计算速度;用关联函数作为遗传算法的适应度函数,使算法更容易找到最优化路径;采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式．实验证明,可拓遗传算法的机器人路径规划能有效提高的机器人路径规划的速度和准确性．     

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。     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

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.