基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

基于混合蚁群算法的无人机航路规划

无人机(UAV)航路规划的热点和难点在于如何满足安全性和实时性的同时,兼顾全局路径规划和局部路径重规划,以提高无人机的作战效率和生存概率。针对这一问题,在现有无人机航路规划研究基础之上,提出采用蚁群算法与人工势场法相结合的方法。蚁群算法用于全局航路规划,人工势场法用于局部路径重规划。仿真结果表明,两种算法结合所得优化航路较好反映了算法的有效性,可以为航路规划辅助决策研究提供借鉴和参考。     

蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。     

偏微分高程图环境蚁群算法的三维路径规划

针对在三维空间路径规划中建模与避障问题,提出了一种新的在偏微分高程建模环境下蚁群算法的三维路径规划方法。首先,利用抽象建模和高程建模方法分别构建三维空间环境,并用偏微分对高程环境进行最优数据提取,在此基础上利用高程数学建模方法进行三维空间重建,最终形成偏微分高程环境。其次,首次将种群对于环境的最佳适应度值作为目标函数评判蚁群寻找最优路径的决策能力。最后,在不同的建模环境中应用蚁群算法进行路径寻优,输出最优路径。通过对仿真结果和实验数据分析,验证了所提方法的有效性和正确性。     

机器人救援的目标吸引动态路径规划蚁群算法

地震发生后城市的道路状况未知而且复杂多变,因此,在震后机器人救援中,如何快速地找到最短路径以拯救更多的伤员,成为研究的热点问题。提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间。利用原有城市交通地图的全局信息建立目标吸引函数,对蚂蚁在复杂动态环境下的路径搜索进行引导,提高其选择离目标点更近邻节点的概率,减小蚂蚁对非最短路径的选择概率。通过与MMAS算法进行仿真实验对比,验证了提出的算法可以更快地收敛到最短路径并具有较好的动态性能。     

多移动机器人混合避障算法的编队策略

针对多移动机器人系统在未知静态障碍物环境下的编队避障问题,提出了一种多移动机器人混合避障算法的编队策略,使多移动机器人系统在整个运行过程中保证系统内不发生碰撞,并且在未知静态障碍物环境中能最大程度地保持队形进行有效避障,以及能够在较短时间到达指定目标点。该编队策略基于领航跟随法和人工势场法,将系统内机器人划分为领航机器人及跟随机器人,并根据各自角色任务的差异,对其采用了不同改进方法的人工势场法进行避障,形成一种混合避障算法,其中针对领航机器人提出了LAPF(leader artificial potential field)避障算法,该算法改进了传统人工势场法的斥力函数,解决了传统人工势场法极易陷入局部极值困境的问题,并有效缩短了避障过程所用时间。为保证整个系统运行过程及避障行为之后能够恢复队形保持系统稳定性,该编队策略利用一致性模型控制机器人的速度,使领航机器人与跟随机器人的状态趋于一致,进而保持队形。仿真结果验证了LAPF算法及该多移动机器人混合避障算法编队策略的有效性。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

Improved ant colony optimization algorithm for the traveling salesman problems

Ant colony optimization (ACO) is a new heuristic algorithm which has been proven a successful technique and applied to a number of combinatorial optimization problems.The traveling salesman problem (TSP) is among the most important combinatorial problems.An ACO algorithm based on scout characteristic is proposed for solving the stagnation behavior and premature convergence problem of the basic ACO algorithm on TSP.The main idea is to partition artificial ants into two groups: scout ants and common ants.The common ants work according to the search manner of basic ant colony algorithm,but scout ants have some differences from common ants,they calculate each route's mutation probability of the current optimal solution using path evaluation model and search around the optimal solution according to the mutation probability.Simulation on TSP shows that the improved algorithm has high efficiency and robustness.     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

Novel method based on ant colony opti mization for solving ill-conditioned linear systems of equations

1 .INTRODUCTIONStudies have shownthat some systems are highlysen-sitive :a small perturbationin the data can result in alarge changeinthe solutions .Such systems are calledill-conditioned systems .Ill-conditionedlinear systemsof equations have a wide application in many fieldssuch asi magine processing,deconvolution, model pa-rameters esti mation.Because the condition number ofill-conditionedlinear systems of equationsis very big,the data error andthe rounding error inthe computa-tional p…     

混合种群RRT无人机航迹规划方法

快速扩展随机树（rapidly-exploring random tree,RRT）无人机航迹规划方法能够快速获得满足约束要求的可行航迹,但是无法获得接近最短航迹的较优航迹。针对航迹的最优性问题,提出了混合种群RRT无人机航迹规划方法。在基于环境势场的RRT算法的基础上,设计了一种种群优化方法,通过引入自优化种群和协同优化种群改善航迹段,使算法同时具有局部和全局寻优能力。在得到航迹节点的基础上,采用B样条曲线的平滑方法生成曲率连续的可跟踪航迹。仿真结果表明,所提算法能够综合考虑无人机航程代价和雷达威胁代价,快速地收敛得到接近最优且满足无人机动力学约束的可行航迹,在不同环境下也能有满意的收敛效率。