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。     

多机器人的云计算路径规划

基于多机器人协同工作方面的研究具有良好的应用前景,通过降低客户端的硬件配置,可以提高分工合作的响应速度,通过类神经网络ANN进行计算与分析,确定单机器人与其它机器人的步伐与路径设计,机器人互相之间并不需要通讯,计算指令由服务器与单机器人一对一交互,通过模拟实验器,对作业效能对比,验证计算方法以及与计算方案的可行性。     

基于区域分类的机器人动态环境安全路径规划

提出了一种基于区域分类的安全路径规划方法,通过计算区域拥塞程度和稳定程度,做出安全性评判,选择适合的方法进行扩展,同时在重规划的采样过程中,通过概率自适应的方法选择导航点,达到平衡RRT树的效果.9自由度的机械臂仿真实验表明:该方法对于动态环境下的安全运动规划问题有较好的效果.与MPRRT比较,本文方法完成任务的平均时间加快31.60%,重规划次数降低18.37%,规划成功率提高2.5%.     

基于改进灰狼优化算法的区域监测机器人路径规划

为了解决大任务量作业监测中机器人路径规划问题,提出了一种区域监测的机器人路径规划算法。模拟大任务量监测真实环境进行问题建模。针对传统灰狼优化算法求解模型时全局搜索能力差且易陷入局部最优解的问题,提出了一种改进的灰狼优化算法。引入Logistic混沌映射,以加强初始化种群的多样性;引入一种控制参数的自适应调整策略,以平衡灰狼优化算法的搜索能力和开发能力;引入静态加权平均权重策略,更新种群位置,加快收敛速度。将机器人载电量与路径长度短作为约束,引入K-means算法进行任务聚类,通过改进灰狼优化算法对模型进行离线求解以规划出路径,将大任务量监测作业自动转换成分时分步作业。实验结果表明:通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高。通过50任务点与100任务点作业场景对机器人路径规划模型进行算法仿真,验证了算法的真实有效性,且任务量越大模型优越性越好,路径缩短比例越高。     

基于MMAS的机器人路径规划

文章针对移动机器人系统在复杂环境中搜索目标和寻求最短路径问题,介绍了一种基于MMAS的机器人路径规划新方法;在MMAS算法的信息素更新中,采用了最大-最小蚂蚁系统的思想动态调整信息素,加强了正反馈的效果,同时周游最优蚂蚁和全局最优蚂蚁路径信息的动态更新,在一定程度上增加了解的多样性,也提高了蚂蚁的搜索效率;在搜索过程中,采取随机搜索与重点搜索相结合的方式对路径进行搜索,有利于加快搜索较好的解,而动态调整各项参数后,陷入局部解的可能性大大减少,并且可以找到最优解;最后通过仿真证明了该算法的有效性.     

基于遗传算法机器人路径规划研究

针对传统的机器人算法不是线性路径优化而导致不能较好地解决实际问题情况,介绍了采取遗传算法处理路径规划的方法解决路径规划问题的方案.     

基于改进遗传算法的机器人路径规划

路径规划是移动机器人领域中的重要问题之一.传统遗传算法在寻找最短路径时容易陷入局部最优,为了缩短机器人运动路径长度和提高避障性能,本文提出一种免疫克隆自适应遗传算法,该算法结合了免疫克隆算子、自适应算子从而提高解的质量,设计栅格模型,给出适应度函数用于计算机器人路径长度,并针对复杂的二维路径编码问题,设计一维路径编码方...     

基于混沌遗传算法的机器人路径规划

本文将混沌理论与遗传算法结合起来,提出了一种新的混沌遗传算法来解决机器人路径规划问题。首先,通过将障碍物进行"膨化"处理以简化避障的运算,然后,将混沌优化的遍历性和随机性特点引入到遗传算法,防止和克服了进化过程中的早熟收敛情况。仿真试验表明,在未知环境下本文设计的算法能够规划出更加优化的路径,并能实现安全避障。     

基于模拟退火的机器人路径规划算法

本文利用模拟退火算法对该模型进行优化求解,为移动机器人寻找到一条最优路径。通过实验得到模拟退火算法有效提高了收敛速度,快速完成了移动机器人路径规划的任务。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

基于混合算法的机器人路径规划

针对IRRT^*(informed rapidly-exploring random trees star)算法在机器人路径规划中搜索效率低、收敛速度慢的问题,将APF(artificial potential field method)与IRRT^*算法相结合,提出APF-IRRT^*混合算法.仿真实验结果表明:相对于其他3种算法,APF-IRRT^*算法的搜索时间、节点数目、路径长度的数值均最小;APF-IRRT^*算法对地图的复杂性以及面积的变化均有较强的适应能力.     

基于分布式控制系统的多机器人地图构建

针对目前多机器人构建地图的动态分区方法对机器人之间协作的限制问题,提出一种基于分布式控制系统的改进方法。该方法通过坐标转换把机器人的局部坐标信息转换到全局坐标中,利用Ad hoc网络对信息进行传递,加强机器人间的协作关系。对信息进行汇总,利用栅格法构建地图。通过在机器人平台实验证明了该方法的可行性和有效性。     

多策略蚁群算法求解机器人路径规划

针对基本蚁群算法的缺点,提出用多策略的蚁群算法求解机器人路径规划问题.采用栅格法建立机器人全局路径规划工作空间模型,进行两次凸化改进处理.提出惩罚策略,并配合使用保健算子策略、治病算子策略,同时引入遗传算子策略、精英蚂蚁策略和最大最小蚂蚁策略.介绍在Matlab环境下编程实现的方法及步骤,求解100个栅格点的路径规划问题,得到最优距离为15.070.仿真结果表明,即使在复杂的地形环境中用本算法也可迅速规划出令人满意的最优路径.     

基于分布式控制系统的多机器人地图构建

针对目前多机器人构建地图的动态分区方法对机器人之间协作的限制问题,提出一种基于分布式控制系统的改进方法。该方法通过坐标转换把机器人的局部坐标信息转换到全局坐标中,利用Adhoc网络对信息进行传递,加强机器人间的协作关系。对信息进行汇总,利用栅格法构建地图。通过在机器人平台实验证明了该方法的可行性和有效性。     

基于DMOEA/D-ET算法的焊接机器人多目标路径规划

弧焊机器人在实际生产过程中可以提高生产效率.文中对弧焊机器人焊接过程中的路径长度与能耗进行优化,由此提出了一种基于事件触发的自适应邻域离散多目标优化算法(DMOEA/D-ET).该算法以更新粒子比率作为事件触发机制,通过事件触发机制协调全局搜索与局部搜索.采用网格法进行全局搜索,使用基于分解的多目标进化算法(MOEA/D)进行局部搜索,并通过采用自适应邻域策略改善MOEA/D算法解的分布不均问题.通过和其他5个算法在3个TSPLIB问题上进行测试对比,发现所提出的算法具有较好的性能.最后对平衡梁模型的焊接过程进行多目标优化,并与其他5个多目标算法对比,结果表明文中提出的算法得到的优化结果更贴近真实前沿面,解的分布更好.     

水下爬行机器人多目标路径规划的研究

文章提出使用一种基于三角网格的fast marching(TFM)算法解决水下爬行机器人在2.5维水底地表环境下的路径规划问题,在制定规划算法的费用函数时,考虑了地形特征因素、水下爬行机器人的运动限制、任务本身要求等多个目标的决策和限制。通过仿真实验,验证了该算法在2.5维复杂水底地表环境下可以生成一条连续、平滑、最优的路径,并且可以根据不同的任务目标规划出满足任务要求的最优路径。蒙特卡罗实验表明,该算法运行速度非常快,可以进行在线规划。     

基于强化学习的机器人路径规划算法

提出了一种基于强化学习的机器人路径规划算法,该算法将激光雷达所获取的移动机器人周围障碍物信息与目标点所在方位信息离散成有限个状态,进而合理地设计环境模型与状态空间数目;设计了一种连续的报酬函数,使得机器人采取的每一个动作都能获得相应的报酬,提高了算法训练效率.最后在Gazebo中建立仿真环境,对该智能体进行学习训练,训练结果验证了算法的有效性;同时在实际机器人上进行导航实验,实验结果表明该算法在实际环境中也能够完成导航任务.     

基于平滑蚁群算法的机器人路径规划

在栅格环境下利用蚁群算法规划出来的移动机器人路径存在转弯次数多,累计转折角大等问题。针对这些问题,提出了平滑蚁群算法。平滑蚁群算法是在蚁群算法规划出来的最优路径的基础上,将当前节点与其它不在同一条直线上的节点依次连线,如果新的连接线不穿越障碍物,则将当前连接线作为新路径代替原来路径,并删除中间节点,否则对当前路径不作任何修改。仿真结果表明,平滑蚁群算法能够在不同栅格规模和障碍物覆盖率不同的情况下,有效降低路径长度,减少转折次数和累计转折角度,并且路经规划结果优于免疫遗传算法和势场蚁群算法的路径规划结果。     

基于优化蚁群算法的机器人路径规划

路径规划是移动机器人设计中的关键环节,蚁群算法能高效解决路径规划问题,但它也存在一些弊端,如收敛速度慢、容易陷入局部最优解等.针对这些问题,本研究提出一种改进蚁群算法,在传统蚁群算法的基础上,改进状态转移规则,增加周围障碍物数量影响因子,令蚂蚁尽量避开障碍物;增加角度影响因子,使得蚂蚁行走的路径更加平滑;同时运用精英蚁群策略,来改进蚁群算法易陷入局部最优解的问题.仿真实验结果表明,该算法在多种环境下,都能找到最优路径,且有较快的收敛速度,本研究提出的优化蚁群算法具有一定的可靠性和高效性.     

基于蚁群算法的三维空间机器人路径规划

将蚁群算法应用于三维空间机器人路径规划问题.首先将机器人所在位置(原点)与目的点之间的空间划分成立体网格,同时定义原点与目的点之间的有效路径.蚁群从原点出发,独立地选择有效路径,最终到达目的点,从而求出从原点到目的点之间的最优路径.实验结果表明,该算法不仅有效,而且具有较快的速度.