基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS (geographic information system)地图的移动机器人路径规划.该方法应用改进A*算法,较好地实现了移动机器人的最优路径规划.在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹.应用VC++编程进行实验,证明了该方法的有效性.     

基于实时工况的动态物料搬运路径规划

文章针对生产系统物料需求环境复杂多变以及生产过程中各种扰动所导致的搬运路径的不确定性问题,研究了物料搬运路径规划的重规划驱动机制以及扰动发生时的重规划策略;建立了包含多需求点、多搬运工具的多目标动态重规划搬运路径模型,以搬运时间、成本最小作为模型的优化目标,在扰动发生及到达重规划周期时间的情况下重新生成搬运路径;结合智能优化算法对该模型实例进行仿真计算,验证该规划方法可以增强搬运系统敏捷性并有效减少物料搬运的成本。     

考虑GIS的物流配送区域划分与路径规划算法

针对大规模VRP配送问题,提出一种配送区域划分的启发式-模拟退火混合搜索算法.针对GIS中实际路网建立路网数学模型,并在大规模VRP路径规划问题研究中与实际GIS路网相融合.对配送路径规划问题提出一种结合GIS模型约束的启发式路径搜索算法.对杭州市某配送区域实际问题求解并与另一种启发式算法对比,验证了算法的有效性.     

基于分解算法的动态大规模合乘匹配-路径规划

动态合乘是出行路线相似的出行者共用一辆车的交通方式,能够有效利用现有资源,最大化社会效益。当前合乘研究存在司机-乘客匹配质量不高,算法实时性差等局限。提出了考虑订单匹配数量、司机旅行时间、乘客等待时间与乘客延误时间的司机-乘客合乘匹配模型。针对模型特点,设计了基于分解方法的司机-乘客合乘匹配与路径规划算法。通过选择贪心随机自适应搜索算法、粒子群算法与本文的算法对比,成都市网约车数据验证,结果表明:分解算法下司机与乘客不方便成本低于贪心与粒子群算法;分解算法订单匹配率在90%以上,高于贪心与粒子群算法的80%～90%匹配率。通过对比证明,所提出的模型与算法,能够在保证高匹配率的前提下,降低出行不方便成本,提高算法实时性,在实际工程中有较好的应用效果。     

基于Bezier曲线的自主移动机器人最优路径规划

以自主移动机器人为研究对象,以足球机器人为研究平台,针对足球机器人运动轨迹的实际特点,提出了一种基于3次Bezier曲线的最优路径规划方法.该方法以足球机器人实际比赛时的速度、加速度和有效躲避运动轨迹上的障碍物作为路径规划的约束条件,以所规划路径和机器人到达目标点花费时间最短为规划目标.同时将Bezier曲线规划方法与粒子群优化算法相结合,通过粒子群优化方法对产生轨迹的各粒子进行选择更新,并调整各约束条件的权重系数,从而增强了路径规划的有效性和精度.最后通过仿真实验验证该方法有效可行.     

基于GIS的最短路径算法研究

最短路径算法是计算机科学与地理信息科学领域的研究热点。本文对常用的最短路径标号算法进行了分析,并讨论了优化算法的方法。     

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。     

动态环境下移动机器人路径规划的研究

移动机器人路径规划是机器人研究中最关键的技术之一,机器人进行最优的路径规划是其中的难点。文章以目前对移动机器人路径规划的研究现状为基础,通过具体分析与研究,将现有成果进行归纳总结、深入探讨;并依据基本原理与应用场景的不同,将算法划分为智能仿生、几何模型搜索、虚拟势场、强化学习4类;通过对每类算法的分析可得出各算法的优缺点以及主要适用场景,并通过多种不同算法相互结合的方式来解决移动机器人路径规划的问题。该文为动态环境下移动机器人路径规划的研究奠定了一定的理论基础。     

云模型蚁群算法在无人机航迹规划中的应用

为中高空飞行的无人机提出了一种新型航路规划算法。该方法基于云模型蚁群算法。基本蚁群算法有着突出的缺陷:易陷入局部最优解而且需要计算时间长。提出的改进型蚁群算法,通过云模型来控制信息素强度Q和挥发系数ρ的大小,从而得到更好的收敛性与避免陷入局部最优解,并进行了TSP问题的仿真计算。通过将无人机任务地图网格离散化,运用云模型蚁群算法进行航迹规划。     

果园移动机器人的全局最优路径规划研究

为了实现移动机器人在果园环境下自主行走,对果园移动机器人在复杂果园环境中的最优路径规划进行研究.首先,利用栅格法定义了移动机器人在栅格上的运动方向、障碍物及信息编码,模拟建立出果园的环境地图模型.然后分别编写Dijkstra算法、A*算法,对果园机器人进行全局最优路径规划.通过分析比较,得出A*算法所规划的最优路径更为方便,搜索效率更高,更加满足果园机器人的实际工作需求,提高其工作效率.     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则．将所有机器人放置于初始位置。经过NC次无碰撞迭代运动找到最优路径．到达目标位置．为防止机器人在路径搜索过程中没有达到最大迭代次数时路径大小已不发生变化而陷入局部最优。可通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值继续搜索．直到迭代完毕,获得最优路径．     

基于动态规划思想的多机器人路径规划

该文围绕着一个机器人巡逻街道小区的仿真环境，讨论了多机器人路径规划中的路由优化问题。在解决这些问题的过程中，充分考虑到多机器人系统的动态特征，将运筹学中动态规划的思想和Dijkstra算法及其相关图论知识引入到机器人的路径规划求解中。不仅降低了问题的复杂度，并且得到了问题的解决方案。     

“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.     

基于GIS 的最短路径算法研究

针对单源最短路径Dijkstra 算法效率低的问题, 基于地理信息系统(GIS: Geographic Information System),提出距离均衡的社区分析网络分割方法。将GIS 中道路网络分割降解为距离均衡的社区网络, 再利用限制分层算法, 通过淘汰不太可能出现在最短路径上的节点, 限制GIS 中最短路径的搜索区域, 以降低算法的复杂度。实验结果表明, 优化后的算法可有效减少搜索节点数, 与经典算法相比, 其运行效率有所提高。     

基于动态蚁群算法的三维管路路径规划

针对蚁群算法应用于三维管路路径规划时运行时间长、搜索效率低等问题,提出一种动态蚁群算法.首先采用栅格法建立环境模型,建立了随建模空间和蚂蚁位置变化的动态启发信息;其次设置概率选择机制和动态步长机制.仿真试验结果表明,该算法有效减少了路径中直管弯头数量,管路铺设整齐,收敛速度提高,具有较强的全局寻优能力.     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于环境剖分的层次拓扑地图及路径规划

针对基于拓扑地图的移动机器人路径规划问题,提出一种层次拓扑地图及相应的路径规划方法——边界方位法。层次拓扑地图分为剖分层和边界层,剖分层以环境剖分为拓扑节点,边界层以剖分的边界为拓扑节点。边界方位法首先在剖分层生成由剖分构成的路径序列,再将边界层转化为由边界构成的路径序列,最后根据机器人当前位置及边界之间的方位荚系实时生成实际路径。由于定义了边界之间的方位关系,使得机器人能够根据边界序列路径中的下一边界与当前边界的方位关系确定当前的运动方向,从而实现了实际路径的优化。理论分析和仿真实验均表明,该方法在增加少量存储信息的基础上,获得了较好的路径规划效果。