基于双向 A￣* 算法的自主车全局路径规划

本文采用Ｑ－Ｍ法寻找素蕴涵（ｐｒｉｍｅｉｍｐｌｉｃａｎｔｓ）的思想构造连通图．在此基础上，提出了使用双向Ａ＊算法搜寻连通图中的最优节点路径，提出了超前尽可能多个节点的思想用于规划实际几何路径．仿真研究表明，本文方法计算简单，规划的路径可以达到或接近最优路径．     

基于邻接矩阵图的连通性判定准则

利用图论和集合论的知识，对节点邻接矩阵进行深入分析，提出了有向图和无向图的连通性判定推则及图中任意两节点间不连通的判定准则：对路径及节点邻接矩阵的概念进行了更为严格的数学描述；确定了路径的极限长度。文中提出的图的连通性判定准则具有程序思想简单、逻辑性强、方便快捷的优点，对于图的连通性判定、连通块的划分等都具有指导意义。     

基于多细节路网Voronoi层次模型的最优路径算法

随着城市交通的日渐拥堵,最优路径算法已然成为众多研究学者共同关注的话题。本文在分析了线Voronoi图相关特性的基础上,构建了基于路段的Voronoi图层及其相对应的Voronoi多细节层次模型。在此基础上,结合空间层次推理的思想,本文进一步设计了一种基于线Voronoi图的最优路径算法,该算法首先利用起止点所在的Voronoi区域查找路径的主干部分,在找到的路径中,如果相应小区域内对应的道路不连通,则获取相关区域内的次级路网数据及其对应的Voronoi数据,继续计算最优路径,直到形成一个连通路段的集合。在此基础上,计算由起止点连接路径主干部分的分支路径。实验证明,该算法不仅符合人们对出行线路规划时的思维过程,还能有效地缩短车辆的出行时间,为人们的出行提供可靠、快捷的诱导策略。     

面向WSN的移动锚节点路径规划算法

针对无线传感器网络中使用移动锚节点辅助未知节点定位问题,提出了一种动态路径规划算法.该算法首先引用相关图论知识,把无线传感器网络看成一个连通的无向图,将传感器节点转化为图的顶点选取虚拟信标节点,通过蚁群算法遍历所选取的节点获得移动路径.并对传统宽度优先搜索算法中节点选取冗余和经典蚁群算法中存在的收敛速度慢等问题提出改进.仿真实验结果表明,改进算法能在保证一定通信覆盖率的情况下减少节点重复遍历以及锚节点的移动距离.     

基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .     

基于Voronoi图的无人机航路改进规划

针对传统B样条插值法在无人机航线优化路径中的不足,基于Voronoi图提出一种新的快速优化航路算法.首先根据最短路径算法在Voronoi图中生成初始路径,然后在路程时长和权重大小最优的情形下,采用该优化算法对路径中构成不可飞夹角的各节点进行更新和替换,生成一条最优路径.该算法解决了因初始路径不合理导致无人机不可飞的情形,同时保证了航路中威胁代价和燃油代价的最优.实验结果表明,该算法满足航路规划的有效性和合理性.     

基于改进混合遗传算法的无人车路径规划

针对无人车路径规划算法普遍存在收敛速度慢、陷入局部最优解、忽略了环境建模技术与路径规划算法的相互适用性等问题,提出了一种基于自由空间法的融合Bellman-Ford算法和精英交叉机制遗传算法的改进混合遗传算法,通过Bellman-Ford算法搜索出连通图中的最短路径,并运用精英交叉机制遗传算法优化粗路径点,从而搜索出环境中从初始点到目标点的最短安全路径。MATLAB仿真结果表明,该算法搜索性能好,收敛速度快,稳定性高。     

基于转向限制的改进双向启发式最短路径算法

针对考虑转向限制的单源点单汇点最短路径问题,根据动态对偶图思想,建立道路交通网络对偶图,提出了基于存储对偶图节点的双邻接表存储地图数据;改进传统的A*算法,提出了基于可搜索无限邻域的双向启发式算法。该算法选用基于OSP的地图作为实验数据进行路径规划,并运用于基于SLAM算法的车型机器人上进行实验。结果表明该算法可在栅格地图上找到符合实际交通规则的更优可行路径,效率也可满足路径规划要求。     

基于混沌优化算法的车辆路径规划问题研究

考虑节点连通关系约束和路段通行能力差异的车辆路径规划（Vehicle Routing Problem,VRP）问题比传统的路径规划问题更为复杂,有效的求解算法一直是研究的关键问题。本文分析了该类VRP问题的数学模型,提出了一种针对该问题的混沌优化算法,介绍了具体的编码方法和实现算子。最后通过仿真实验,验证了所提算法的有效性。     

关于环形街道图 H_(n_1×n_2)∶n_1=3,n_2=6,8,10,12,14 的最优强连通定向

本文研究由城市环形街道所引起的强连通定向（单行道设计）图的问题，即研究由ｎ１条环形道和从中心向外辐射的ｎ２条路组成的城市街道图。将按直径最优的准则寻求最优强连通定向。本文解决了ｎ１＝３，ｎ２≡０（ｍｏｄ２），６≤ｎ２≤１４时的情形，得到了全部最优强连通定向。     

基于改进RRT*FN的移动机器人路径规划算法

针对复杂环境下移动机器人的全局最优路径规划,提出一种基于目标偏置扩展和贝塞尔(Bezier)插值方法的改进RRT*FN路径规划算法.改进算法在未找到初始路径时采用一定概率进行随机点的目标偏置选择,确定初始路径后使用启发式采样方法,使随机采样点围绕初始路径进行迭代选择,提高路径规划的导向性.当改进算法还未找到初始路径时,删除树中远离目标点并且没有子节点的节点;当改进算法找到初始路径时,删除树中远离最优路径且没有子节点的节点,保留高性能节点,提高算法收敛到最优路径的效率.利用贝塞尔(Bezier)插值方法平滑路径.在MATLAB仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,结果验证了所提算法的有效性和优越性.     

融合插点和跳跃点改进A*算法的路径规划

为了解决传统A*算法在路径规划中存在的一些问题,提出了一种融合插值点跳跃搜索路径算法来改进A*算法。在对栅格环境图中具有特殊意义的多组数据进行预处理后,通过起始点和目标点确定目标函数,并搜索出一条最优路径。利用MATLAB软件平台对8组规格不同的环境图进行了路径规划仿真。实验结果表明,改进后的算法可以减少计算时间、搜索节点数量、内存占用和搜索路径长度。可见改进后的算法在搜寻最佳路径方面的效率更高。     

交通网络最优安全路径选择模型与算法

针对交通网络任意路段均可能发生中断的最小损失路径选择问题,提出交通网络最优安全路径选择模型,并设计了2种不同网络结构下最优安全路径选择算法.首先用模型计算任意一条路径上每条边中断后产生的从起点到终点最短替代路径长度的最大值,然后选择一条最短替代路径长度最大值最小且自身长度最小的路径.在网络中,当最短路径删除后该网络依然连通时,最优安全路径问题转化为最短路径问题,其计算复杂度为O(n2);当最短路径删除后该网络不再连通时,最优安全路径问题转化为最小最大问题,其计算复杂度为O(mn),且仅与网络中节点和边的数量有关.最后,结合交通网络的实际情况对最优安全路径进行了算例分析.     

区间值模糊图的最优匹配

本文给出区间值模糊图连通的充要条件,然后利用区间值的期望值定义了连通的区间值模糊图的路和匹配的强度;通过强度提出了区间值模糊图的最优匹配的概念,最后给出了一个匹配是最优匹配的充要条件和其相关的结论.     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

基于空间改进型Voronoi图的路径规划研究

三维空间路径规划在某些特殊情况下必不可少，如无人机为了降低敌雷达的探测概率，利用山谷或其他特殊地形飞行.在原有基于平面Voronoi图的路径规划基础上，将Voronoi图的概念进行了推广，提出了“空间改进型Voronoi图”的概念.研究了不同威胁体下“空间改进型Voronoi图”构图的一些基本原则，包括不同威胁体下“空间改进型Voronoi图”作图法，以及突发威胁体下空间局部路径重规划区域原则和空间局部最优路径选择原则等.仿真结果表明整个模型构架的基本思路可行.     

三维地形中基于加权框架四叉树的路径规划

研究三维地形中的路径规划问题.提出建立加权框架四叉树进行路径规划的方法,改进了传统的利用正规网格进行规划的方法,减少了搜索节点,提高了运动速度.该方法将不同的因素作为四叉树中叶节点的权值,通过搜索得到时间最优路径.只要针对不同的应用设置相应于各种因素的响应函数,则加权框架四叉树就可适用于三维地理环境中多种应用环境中的路径规划.     

基于改进遗传算法的移动机器人路径规划研究

针对传统遗传算法在解决采样点模型下的路径规划问题中存在种群进化速度慢、最终得到的最优路径偏长的问题,提出一种改进遗传算法．为提高初始种群的质量,提出自适应调整步长来限制子节点的选择范围,在这个范围内随机选取两条父代路径,在对应两节点之间形成一个矩形的子代节点搜索范围,每个范围中选取一点并依次连接得到交叉后的子代个体,避免了采样点模型下交叉点不足导致交叉无效的问题;为解决变异效果不可控的问题,以变异父节点的前后两点连线为引导,越靠近该连线的节点被选为变异子节点的概率越大,使得在变异点的选择更具有方向性．对比实验结果表明：所提出的改进遗传算法当处理基于采样点路径规划问题时可以有效提高寻路效率,最优路径收敛速度比传统遗传算法提高约60%,最优路径长度最多减少了2.42 m,比其他文献算法的最优路径收敛速度最多提高56%.     

求解非线性整数规划全局最优解的填充函数法

提出了一个填充函数,用来求解严格路径连通域上的非线性整数规划全局最优解问题。探讨了该填充函数的理论性质,提出了相应的求解算法,并进行了算例测试。测试结果表明该算法令人鼓舞。     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制，提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型；优化改进节点扩展方向，提出针对无人驾驶的五邻域扩展节点方式；A^*算法一次规划出代价值最小的目标节点，二次A^*算法规划出实时动态最优路径。另外，搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型，搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。