基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

一类自适应遗传算法的理论分析与数值模拟

对孙建永等人提出的自适应遗传算法进行了理论与性态分析，通过随机过程分析，证明了所提出的遗传算法在概率意义下全局收敛，另外通过大数量数值模拟说明了所提算法不仅较古典二进制遗传算法有效，而且较灾编码遗传算法也更为快速有效，新算法可应用于求解广泛复杂工程优化问题。     

基于遗传算法的逻辑电路测试生成的研究

本文提出了一种基于遗传算法的逻辑电路测试生成算法，利用遗传算法的全局寻优特点进行集成电路的测试生成，并与确定性算法进行了比较，所得到的实验结果表明，遗传算法可以在比较小的测试矢量集下得到比较高的故障覆盖率，是一个有效的测试生产算法．     

基于混合遗传算法的敏捷卫星任务规划求解

针对新一代对地观测敏捷卫星任务规划问题,首先研究了敏捷卫星的特点,分析了敏捷卫星工作模式及对地观测过程,在此基础上构建了基于多目标的任务规划模型。针对敏捷卫星任务规划问题具有多约束、多冲突、非线性NP-hard特点,本文提出了基于混合遗传求解算法,该算法将免疫遗传算法与蚁群算法相结合,以蚁群算法所产生的解作为免疫遗传算法的初始种群,同时以蚁群算法中的全局最优解作为疫苗。通过实验表明本文提出的算法比遗传算法和免疫遗传算法精度更高,收敛速度更快。     

一种新的全局优化方法及应用

通过对模拟退火，遗传算法和趋化性算法的分析比较，提出了一种新的随机优化方法，从它在过程Flowshop优化调度中的应用可以看出，本文所提出的方法搜索速度快，精度高，实施方便，优于模拟退火法，遗传算法及其某些改进算法所得到的结果。     

混沌遗传算法及其在模式识别中的应用

本文针对遗传算法的收敛速度较慢，容易陷入局部极小值，精度不高等问题，在标准算法的基础上，提出改进后的混沌遗传算法，并将改进后的算法应用于图像分割问题中，通过Visual C＋＋进行编程实现，达到了满意的效果。     

基于开放式遗传算法的图像阈值选取

引入了开放式遗传算法的理论，使种群在一个开放的环境中进化，增加了种群的多样性。同时对交叉、变异操作进行了改进，避免了进化过程中种群的退化现象，从而有效克服了遗传算法的早熟问题又提高了遗传算法的收敛性能。文章以最小误差法为例，对比了本文算法和简单遗传算法在阈值处理中的性能，并用实验证明了本文算法的可行性。     

具有免疫体亲近性的遗传算法及其应用

遗传算法处理具有离散变量的优化问题及网络问题是比较有效的，但在此算法时，容易产生限于局部的最优解，本文根据生物体的免疫体具有亲近性的特征，改进了遗传算法，并应用改进后的算法，求解旅行商问题。     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP），这类问题规模大、约束条件多，严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此，本研究采用遗传算法解决此类问题，通过对遗传算法进行改进，针对简单遗传算法存在的早熟和运行参数难以确定的问题，设计了多样性保持算子和多种群进化的算法结构；计算时运行参数自适应确定，并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明，采用所构造的算法可有效求解MINLP问题，并有利于寻求到全局最优解．     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.     

基于网络结构的并行路径规划算法

算法继承了人工势场法的基本思想，通过寻找路径点的能量函数的极小值点而使路径避开障碍物。势场由排斥场和吸引场叠加而成，在算法中对于排斥场和吸引场的强度引入了一个平衡系数，并引入了模拟退火的思想和一些启发性知识，以避免某些局部极值的情况。算法具有很大的并行性，收敛速度较快，易于从二维空间扩展到三维空间，对人工势场法给予了较大的改进，取得了较好的仿真效果。     

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。     

避免路径规划NA算法局部极小值的仿真试验

针对已知障碍物形状和位置环境下的机器人全局路径规划问题 ,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题 ,提出针对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明 ,该方法能够避免某些局部极小值情况 ,规划的无碰路径达到了最短无碰路径     

和声搜索算法在求解最短路径问题中的应用

提出了一种改进的全局和声搜索算法来解决最短路径问题.首先,定义了动态基因突变率,并引入到和声搜索算法中,有效地阻止了算法陷入局部最优解.其次,应用动态优先值编码方案,根据和声向量中变量对应节点的优先值来构造路径,通过迭代更新和声记忆库,并最终获得最短路径.对由20～100个节点构成的网络拓扑进行仿真实验,应用三种性能指...     

一种自由搜索边坡最危险滑动面的新方法

以边坡稳定性计算的Janbu条分法为基础，提出一种改进的遗传算法（MIGA），在无需对边坡滑动面形状进行假设的前提下能自由搜索最危险滑动面并计算其安全系数。MIGA法模拟了生物进化的过程，克服了传统方法容易陷入局部极小值的缺点，是一种全局优化算法，且具有比简单遗传算法（SGA）更高的搜索效率。在工程实例中，通过与其他方法进行对比分析，用MIGA法计算得到的安全系数最小，且搜索到的最危险滑动面最接近实际情况，证明了该方法的优越性。     

未知环境中机器人避障路径规划研究

针对人工势场法机器人路径规划具有目标不可达与存在局部极小值点等问题,提出了改进后的人工势场法模型,将未知环境中的障碍以网格地图的形式设计出来,使机器人通过感知来规避障碍朝目标移动。运用MATLAB GUI设定形成一个包含障碍与目标点的二维坐标系统环境,在其平面地图中使机器人从初始位置到期望位置进行最优轨迹移动仿真试验。试验显示,改进后的人工势场法能使移动机器人在未知环境中导航避开障碍并找出合适路径,以达到无碰撞要求。仿真结果接近预期效果,表明该方法能有效提高移动机器人在未知环境中路径规划的可行性及其避障的有效性。     

一种基于遗传算法的AUV动目标避碰规划的方法

提出了基于遗传算法实现AUV对运动目标避碰规划的方法.该方法采用实数编码,把避碰、路径最短和航迹跟踪等约束条件映射为适应度函数,引入最优保存策略,保证了遗传算法的收敛性.计算机仿真表明,该控制方法使AUV能够较好的实现对运动目标的避碰.     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

遗传算法在网络最短路径问题上的应用

将网络最短路径问题抽象为求最小生成树问题,分析了最小生成树在解决实际问题时的局限性,引入了节点的度的概念;针对一般遗传算法在求解某些工程问题时存在的一些不足,提出了用量化约束条件来改进适应值函数、节点与度约束相结合编码的二进制编码方式、基于节点域的交叉和变异运算的策略.通过对公路交通网络的仿真表明,采用一般遗传算法与普通遗传算法分别求解,数值计算结果证明了改进后的遗传算法的可行性.     

基于分布式协同求解技术的CMM检测路径神经网络优化

针对三坐标测量机，提出了一种基于分布式并行协同求解技术的检测路径神经网络优化方法，其目标是针对生成检测路径所涉及的多个不确定因素进行全局优化，获得无碰撞干涉的最短路径．为此运用了多智能主体协同求解、产生式规则推理和人工神经网络模拟退火算法等多学科综合技术，以满足复杂形状零件在线检测的需要．主要对该系统的组织结构、算法和实现进行了论述