复杂环境下路径规划问题的遗传路径规划方法

本文主要研究复杂环境下路径规划问题的遗传算法求解方法．介绍了适于求解路径 规划问题的遗传算法,针对复杂环境的特点设计了有效的路径遗传算子,在此基础上提出一 种新的度量路径个体适应度的计算方法．试验表明,该算法有很强的鲁棒性,适合于复杂环 境下的路径规划．     

车辆路径问题的一种遗传算法求解方法

对车辆路径问题(VRP)进行了描述,通过构造其染色体表达,并对染色体进行可行化影射,建立了此问题的遗传算法.实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

Rough Set GA-based Hybrid Method for Robot Path Planning

In this paper, a hybrid method based on rough sets and genetic algorithms, is proposed to improve the speed of robot path planning. Decision rules are obtained using rough set theory. A series of available paths are produced by training obtained minimal decision rules. Path populations are optimised by using genetic algorithms until the best path is obtained. Experiment results show that this hybrid method is capable of improving robot path planning speed.     

自适应遗传算法在机器人路径规划的应用

针对现有遗传算法在求解机器人路径规划存在的收敛速度慢、易陷入局部最优等缺点,提出一种基于自适应遗传算法的机器人路径规划方法。该方法引入逆转算子,增加插入算子和删除算子,提出新的自适应策略对交叉和变异概率进行调整,更好地避免陷入局部最优,提高算法寻优效率。该算法在MATLAB和Inte3D平台中进行算例验证,实验结果表明改进的自适应遗传算法比现有遗传算法更为有效。     

遗传算法在轨道交通换乘路径求解问题上的应用

文章建立了轨道交通路网简化模型,将遗传算法引入轨道交通换乘路径的求解过程,结合上海市轨道交通运营线路实例进行模拟仿真,所得结果表明该算法的可行性和有效性。     

移动机器人路径规划研究现状及展望

移动机器人路径规划技术是机器人研究领域中的核心技术之一。通过对全局路径规划和局部路径规划中各种方法的分析,指出了各种方法的优点和不足以及改进的办法,并对移动机器人路径规划技术的发展趋势进行了展望。     

优化的遗传算法及其在货物配送问题中的应用

针对遗传算法易出现局部最优和早熟现象,提出了一种改进型的遗传算法,对遗传算法的模型进行了分析和改进。以便更好的确定变异因子,然后采用黄金分割法来确定最优因子,并将该方法运用到货物配送问题的分析中,通过MATLAB仿真表明．该算法具有很好的寻优能力和较高的搜索效率。     

超宽带系统中一种新型的MMSE-SRAKE接收机

根据超宽带室内信道多径的特点,阐述了一种新型的MMSE-SRAKE接收机,采用基于遗传(GA)算法的路径选择方法。仿真结果表明,通过合理次数的迭代,该接收机性能达到近似最优,优于传统的MMSE-SRAKE接收机。     

基于遗传算法的移动机器人动态路径规划研究

针对移动机器人未知、动态环境下路径规划的难题,对移动机器人进行了系统设计,采用动态栅格法对环境建模,在对传统遗传算法进行一定的改进的基础上,个体评价函数采取可行路径适应度函数和不可行路径适应度函数分别进行处理,通过算法设计和仿真可知,采用该方法对移动机器人进行动态路径规划时,与任何障碍物不发生碰撞,路径短而且规划曲线平滑,达到了满意的规划效果和收敛速度。     

基于改进遗传算法的移动机器人路径规划方法研究

路径规划是机器人技术研究领域中的核心问题。本文针对机器人路径规划问题,提出了基于遗传算法的解决方案。在遗传算子的设计中,通过加入自适应调整方法使得算法更加完善,解决进化过程中因陷入局部极小值而不能到达目标点的问题。最后,在模拟环境下进行路径规划仿真,验证了算法的有效性。     

基于遗传算法的机器人路径规划问题

机器人路径规划问题是机器人学的一个重要研究课题,目前有许多专家学者致力于该问题的研究,提出许多新的有效的方法,并且也不断对这些方法进行改进,达到一定的效果。主要介绍遗传算法的基本思想,分析基于传统遗传算法的机器人路径规划,总结基于传统遗传算法的机器人路径规划存在的问题。     

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。     

一种改进的演化算法在信任路径查找中的研究

针对遗传算法收敛速度较慢,同时在收敛过程中可能过早陷入局部最优的缺陷,本文将一种在遗传算法基础上改进的演化算法应用到信任路径查找中。实验表明,该算法相比遗传算法更适用于大规模信任模型中信任路径的查找,有效地提高了信任路径查找效率。     

基于改进遗传算法的移动机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高。将改进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。计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高。     

基于改进遗传算法的移动机器人路径规划

标准遗传算法在解决各类优化问题中获得成功,但它在具体的应用中由于缺乏对特定知识的利用,其性能有待提高。将改进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。计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高。     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

遗传算法在路径规划上的应用

为了满足出行者能高效快捷地到达目的地, 需要找到一条综合权值最优的出行路径, 再在其上设置指路标志对目的地进行指引. 基于此, 本文首先根据路网的特点, 对交通路网模型进行表述; 接着阐述了遗传算法的基本概念和算法思想, 并以行驶路程和交叉口个数作为出行者路径选择的因素, 定义了行驶路程和交叉口个数综合指标最小的路径为最优路径; 最后, 以广州大学城中山大学为例, 在明确起终点的情况下, 利用遗传算法的方法找到了去往中山大学的最优路径, 验证了遗传算法在路径规划上的有效性.     

基于可视图的移动机器人路径规划

主要针对静态已知环境下的全局路径规划作了研究,在切线图的基础上,考虑安全性与路径最优化.采用一种改进的可视图法建立环境模型和确定机器人向目标点运动的有效路径.首先,使用切线图法对自由空间进行可视图法建模;其次,在可视图法建模的基础上,使用目标导向启发函数求解出一系列通路径;再次,应用遗传算法对这一系列通路径进行优化迭代...     

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。