基于D*Lite算法路径规划的改进方法

针对D^*Lite算法的启发值不精确、规划出的路径斜穿过障碍物栅格顶点的问题,提出一种改进的方法。首先,使用一种更为精确的计算距离代替切比雪夫距离作为启发值,新的计算距离区分了直线距离和斜线距离的代价值;其次,对扩展节点进行分类,给危险节点引入一个安全系数;最后,对改进的算法进行仿真。仿真结果表明:改进后的D^*Lite算法因为启发值更精确,扩展次数减少,性能更好;引入安全系数,危险节点将不作为路径的优先选择,解决了规划的路径斜穿过障碍物栅格顶点的问题。不管是预规划还是重规划阶段都能够规划出一条十分安全的路径。     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。     

基于改进遗传算法的机器人路径规划北大核心

为解决机器人在多约束条件下路径寻优能力差、搜索算法收敛速度慢等问题,提出了一种基于改进遗传算法的机器人路径规划方法。首先,利用栅格法构建机器人工作环境,并以路径长度、平滑度和路径困难度为约束条件构建模型;其次,通过增加删除算子、平滑算子对传统遗传算法进行改进,并引入小生境法避免算法陷入早熟;最后,通过对比实验验证所提算法的性能。实验结果表明,所提方法能够在多约束条件下有效处理路径规划问题并找到最优路径,且与其他方法相比,所提方法在路径长度、平滑度、路径困难度以及运行时间等方面均具有相应的优势。     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。     

基于改进遗传算法的工厂AGV安全路径规划

为了避免危害事故的发生,在复杂的加工制造工厂中规划AGV小车安全无碰撞的行驶路径,不能简单地将AGV看成一个质点。首先在传统的障碍物栅格地图中叠加了环境安全信息,构建了融合信息栅格地图,提出了一种改进的遗传路径规划算法,在其适应函数中加入安全信息,并采用A*算法产生的初始路径为基准进行安全优化,减少了算法的搜索空间和复杂度。在MATLAB中对算法进行了验证,并在Gazebo中模拟了制造工厂AGV路径规划过程,验证了该方法具有较快的收敛速度及有效性。     

基于遗传算法焊接机器人路径规划研究

本文针对汽车焊接机器人路径规划不合理的问题,采用遗传算法对焊接机器人二维路径规划问题进行了求解,最终找出了一条最短的焊接路径,实现了减少机器人焊接工位的作业时间。     

基于改进遗传算法的自动导航小车路径规划调度

为解决智能车间物料运输AGV小车调度问题,以AGV补料任务行走总距离最短为目标,结合路径选择及任务排序双重标准,提出双层编码方式;同时为避免染色体上的基因聚集到小的邻域内,提出一种改进的遗传算法,算法增加了多种变异过程,相较于传统遗传算法扩大了解的空间,防止局部最优解的产生。最后通过MATLAB对环境进行建模、仿真,并与基本遗传算法进行对比。实验结果表明：所提出的改进算法能高效且可靠地解决AGV在多任务目标情况下的路径规划问题。     

基于遗传算法的机器人路径规划的种群初始化改进

针对遗传算法应用于机器人路径规划问题时随机生成初始种群的盲目性,对初始化算法进行了改进。首先在起点和终点所在行之间的各栅格行中随机选择一个自由栅格以保证路径的无障碍性,由于这些栅格组成的路径不连续,故设计了中点连接法连接间断点,最后对路径进行简化以避免重复路径。将此算法与文献[8]的自适应遗传算法在相同环境下仿真,实验结果表明:改进种群初始化的遗传算法能有效提高解的质量,提高进化速度。     

基于遗传算法的装配路径规划

提出应用遗传算法进行装配路径规划的方法,装配路径在二维平面内进行优化,优化目标为在不与障碍物发生干涉的情况下零部件装配路径最短.通过MATLAB编程以实例说明该方法的有效性.     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点,使用传统八叉树搜索策略时,AGV易发生碰撞障碍物现象,在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题,提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计,因此引入启发式函数的权重系数提高A*算法的搜索效率;设置障碍物安全距离,为判断障碍物区域内当前障碍物是否影响AGV通行提供参考,再次改进原有八叉树搜索策略提升避障性能,然后对得到的无碰撞路径进行路径优化处理,保留关键转折点;最后实现A*和DWA算法融合,进一步优化路径,并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑,提高了算法的避障性能,表明了融合算法在机器人路径规划中的可行性。     

考虑可定位性的改进型A*路径规划算法

在路径规划时,为使机器人具有高精度定位能力,应考虑可定位性对规划路径的影响。在经典A*路径规划算法基础上,提出一种改进型A*路径规划方法,在搜索路径过程中考虑可定位性。引入克拉美-罗下界预测任一栅格定位方差的上界,将方差上界转化为定位信息熵描述可定位性。设计全新的代价函数,将可定位性纳入其中以综合评估搜索路径。结果表明：与经典A*算法相比,改进方法所得路径能成功避开可定位性差的区域,使路径规划结果具有更高的实用性。     

基于改进RRT路径规划算法

针对基本RRT算法路径规划特点:树的扩展具有随机性,路径中存在冗余的节点,规划出的路径拐角多.因此,提出一种改进的RRT算法.改进后的算法首先采用目标偏向策略,以一定的概率P把目标点作为采样点进行随机树扩展,提高随机树向目标点的扩展的概率;其次,改变度量函数,添加了角度约束,减少了路径规划中搜索的范围,以减少搜索时间;...     

基于改进粒子群算法的线缆路径规划方法研究

针对复杂机电产品布线路径规划过程中存在的效率较低、可应用性差等问题,提出一种改进粒子群算法,使用栅格法对布线空间进行划分,对障碍物建模并进行方向包围盒处理。为了避免算法在迭代过程中陷入局部最优,引入非线性逐渐递减的惯性权重与异步变化的学习因子,并且将贴壁约束加入到路径规划的过程中,保证线缆在敷设时路径的合理性。最后在仿真试验中,与标准粒子群算法进行对比,验证了改进后算法的合理性与可行性。     

基于改进人工蜂群算法的无人机航迹规划研究

为应对无人机遇到的复杂任务状况,快速寻找一条可行较优航迹,通过改进初始化蜜源方式、引入模拟退火算法的Metropolis准则、引入复合形法等对人工蜂群算法进行改进,提出了一种基于改进人工蜂群算法的无人机航迹规划方法。针对无人机航迹规划问题建立数学模型,采用该改进人工蜂群算法进行寻优,并通过MATLAB进行仿真验证。仿真实验结果表明,该改进人工蜂群算法有效提高了无人机航迹规划的鲁棒性、收敛速度和精度。