基于蚁群算法的移动机器人全局路径规划

移动机器人路径规划是机器人学的一个重要研究领域,蚁群算法是一种模拟蚂蚁群体觅食行为的仿生优化算法。结合机器人路径规划的特点,将确定性选择和蚁群算法的随机性选择相结合进行节点转移,每次循环后只对较优蚂蚁路径进行信息素更新,提高了算法收敛的速度;在寻找路径过程中蚂蚁无后继转移节点时,采用蚂蚁回退策略,增强了算法在复杂障碍物环境中寻找路径的健壮性。仿真试验表明,该算法能在障碍物较复杂的情况下迅速规划出较优的全局路径。     

机器人路径规划的计算机模拟及统计分析

以计算机模拟为辅助工具 ,讨论了机器人路径规划的算法 ,提出一种简化算法二次规划 ,既可避免组合爆炸 ,又能得到一个较优的解 ,即满意解     

基于遗传算法的移动机器人路径规划方法

机器人路径规划是机器人领域的一项重要课题,不同于以往在遗传算法过程中考虑路径平滑度的方法,本文提出了一种将遗传算法过程与路径平滑过程分开的机器人路径规划新方法。先设计可变长编码方式的简单遗传算法产生较优的折线路径,再引入一类新的带形状参数的回旋螺线对其进行平滑操作,以抚平较大转角。整个路径规划过程,只需输入障碍物坐标即可自适应地选择参数以产生机器人行走路径。仿真结果表明,将遗传算法过程与路径平滑过程分离的做法能降低遗传算法本身复杂度,所以设计的平滑操作不仅提高了路径平滑度,还可以减少路径长度。     

基于蚁群算法的移动机器人路径规划研究与应用

文章对传统蚁群算法收敛较慢的问题进行了改进,参考人工势场法的思想,构建并加入了权重可调的引力概率函数作为启发因子,使新的算法在较快的收敛速度下仍能得到全局较优解;在新算法的基础上构建了移动机器人动态路径规划模型,通过计算机仿真和智能试验车的实际行走表明,即使在障碍物非常复杂的场地环境,用该算法也能迅速规划出较优的全局路径。     

一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。     

遗传算法在SCARA机器人最优路径规划中的应用

SCARA型装配机器人的全局路径规划是一种典型的机器人路径规划问题。本文分析了此问题自身的特性，将其转化为TSP问题，采用遗传算法优化了选择、交叉、变异等遗传算法操作及其相关参数，获得了一种性能良好的全局路径规划算法。仿真与实验表明，此算法可以在较短时间内求得最优解或准最优解。     

利用世界空间几何学信息的关节式机器人路径规划

针对关节式机器人提出了一种直接利用机器人世界空间几何学信息的有效的路径规划算法。该算法使用机器人周围的局部世界空间信息建立势函数，基于势函数的导数规划机器人路径。而且，针对常见的旋转关节机器人，分析了路径规划过程中的停留状态，提出了一种有效的消除势函数局部最小值的启发式方法。该算法避免了构形空间显式描述的复杂计算，在一般情况下，即使针对多自由度机器人，也能很快获得无冲突路径。最后，计算机仿真结果验证了该算法的有效性。     

基于A*与B样条算法的农用机器人路径规划系统

为高效智能地规划农用机器人在农田中的运行路径,保证精确的作业行距及作业方向,实现机器人按照指定路径自动行驶,设计了基于A*与B样条算法的农用机器人路径规划系统.使用A*算法对农用机器人运行过程进行路径规划,并利用B样条算法平滑该路径,进而得到最优作业路径.Matlab仿真实验结果表明:A*算法和B样条算法结合起来应用于农用机器人的路径规划是可行的.     

动态步长BI-RRT的无人机航迹规划算法

为解决传统RRT算法收敛速度慢、生成的航径距离过长等问题,提出动态步长BI-RRT算法。首先,采用引向目标的采样策略对空间进行探索以得到采样点,利用动态步长策略确定该采样点的增长步长以确定新节点;之后,通过树枝裁剪策略对新节点进行调整,当探索到目标节点时,算法返回初始航迹,对于初始航迹,应用贪心算法对航迹点进行筛选,以减少无人机(UAV)的无效节点与总航迹长度;最后,利用B样条进行平滑处理,得到一条可行航迹。搭建了二维和三维环境下的仿真地图模型,验证了该算法在保证无人机避障的基础上获得一条有效航迹。动态步长BI-RRT算法在无人机航迹规划方面不仅有实时性强、航迹光滑的优点,而且与分段优化RRT算法相比,在优化航迹节点个数的前提下,提高了收敛速度且降低了航迹距离。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛，为了达到自动引导车在路径规划中要达到全局最优，实时避障的要求，提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径，根据A-Star算法进行优化，引入自适应启发函数，并进行路径关键点选取，删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低，路径不平滑的问题。动态障碍物躲避采用DWA算法，优化评价函数，提升了规划效率。仿真结果表明，融合优化后的A-Star算法与优化后的DWA算法，减小了搜索范围，提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升，最终实现全局最优路径规划和局部动态实时避障。     

PRM路径规划算法优化研究

针对限定环境下移动机器人路径规划问题,运用PRM(probabilistic roadmap method)算法进行初始路径规划,并提出一种基于改进的节点增强法与几何平滑策略的路径优化算法.利用节点增强法对初始规划路径进行优化处理,采用新增节点逐步取代原路径节点,减小路径中的拐点个数,从而缩短路径长度.同时采用一个基于几何平滑策略对优化路径进行平滑处理,以达到路径平滑的目的.仿真结果表明,该优化算法不仅能有效降低搜索路径的长度,而且能大幅度提高路径的平滑度.     

基于遗传算法的无人机航迹规划研究

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用Dijkstra算法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实验,结果验证了遗传算法能提高航迹质量。     

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.     

基于DSO算法的印刷电路板焊点测试路径优化

针对印刷电路板焊点测试中的测试时长、测试效率等路径优化问题,提出了一种用于电路板自动测试的基于DSO(don-key and smuggler optimization)算法的路径优化方法,通过电路板上焊点坐标信息,编写DSO的优化程序,与蚁群算法、遗传算法和模拟退火算法进行算法有效性的比较与分析,并将其对试际电路板焊点测试路径进行仿真验证.结果表明:该算法能够有效优化电路板上的焊点测试路径,缩短测试时间,为解决电路板自动测试中的路径优化问题,提供了有效理论依据和解决办法.     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

公共交通系统最佳路径算法

在分析城市道路网络最短路径算法(SP算法)和公交网络的特点的基础上,提出公共交通系统最佳路径算法.首先引入直达矩阵(T矩阵)和最小换乘矩阵(Q矩阵),讨论公交网络节点间换乘问题,得出最少换乘算法.利用Q矩阵确定节点间最少换乘次数,评价公交网络方便可达性.其次结合最少换乘算法,对最短路径算法(Dijkstra算法)进行改进.在标号过程中,利用Q矩阵对待检验T标号点进行筛选,减少T标号计算量,得到一条综合考虑路径长度和换乘的最佳路径.最后用一个简单的算例进行验算,说明该算法适用于一般公交网络,特别是换乘代价较高的公交网络.     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。