人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

基于多智能体系统的飞机滑行路径规划

为解决先进场面活动引导与控制系统中的飞机滑行初始路径规划问题,提出一种基于多智能体系统(multi-agent system, MAS)仿真的方法实现飞机在场面上任意起始点到目的地的最短路径规划.首先,针对传统的有向图模型对机场场面运行刻画不足的问题,提出滑行资源图模型对机场控制区进行建模,既能对机场控制区进行高效建模又使模型不过于复杂.其次,设计最短路径规划多智能体系统,通过飞机Agent在资源节点Agent的繁殖能力与对资源的独占属性限制,实现对资源节点遍历并同时又保证每个节点最多被访问一次;最后,利用Anylogic实现机场场面初始路径规划多智能体仿真系统开发.仿真结果表明,设计的多智能体系统不但能快速计算出最短路径,且路径规划过程直观可视,算法复杂度与Dijkstra算法相同,满足初始路径规划要求.     

基于群智能混合算法的应急物流路径优化研究

应急物流系统是解决突发事件的有效框架体系,如何选择合适的配送路径以确保受灾群众及时获取物资,对解决应急救援问题有重要意义。通过建立应急物流路径优化模型,考虑到使用人工萤火虫算法会产生寻优精度低以及陷入局部最优等问题,为了提高系统优化性能,参照蜂群和粒子群的群体移动规律,改进萤火虫算法的位置更新策略,引入两种群智能混合算法进行比较实验。设置距离参数和平均交通复杂度,计算物流运输路径系统消耗时间,并采取表格形式显示。实验结果表明群智能混合算法能大幅度优化应急物流路径规划模型,提高配送效率。     

基于需求紧迫度的约束性应急物资车辆路径模型

为了实现科学、高效的灾后应急响应,针对传统路径规划中单目标、单车场、单次配送、无差别化供给、闭合式调度等多方面限制,开展基于需求紧迫度的约束性应急物资车辆路径研究。运用层次分析法对需求紧迫度进行赋权分级,以应急救援过程的响应时间、配送延误惩罚与需求未满意率最小化为目标,构建约束性应急物资车辆路径模型,并设计两阶段遗传算法。通过算例检验算法与模型的有效性和适用性。结果表明：该模型可有效解决资源紧缺、受灾程度异化情况下的物资配送问题,形成适用于突发自然灾害事件的动态应急物资车辆路径规划方案,实现突发路况处理与资源效能最大化,并为应急物资的车辆路径规划提供理论依据与决策参考。     

基于喷涂机器人系统的飞机进气管道内壁测量路径规划研究

针对飞机进气管道内壁喷涂问题,研究了一种基于喷涂机器人系统与激光测距传感器相结合的扫描测量路径规划算法。扫描测量路径规划是进气管道模型重建和喷涂的前提和基础。常用的圆弧外延法和多项式法仅适用于有界曲率曲线。根据飞机进气管道截面曲线多样性特点重点提出了预扫描测量法,互补于现有算法。通过仿真和实验可知:该研究解决了飞机管道内壁无碰撞测量扫描的问题。     

油浸式变压器微型仿生鱼全局路径规划策略

为有效检测大型变压器内部的故障位置和故障类型,通过利用微型仿生鱼对变压器内部进行视觉观测,可较直观的检查变压器内部故障。微型仿生鱼在检测过程中的路径规划是仿生鱼任务完成的关键。针对变压器内部复杂的三维空间,本文提出了基于人工势场法和蚁群算法的三维全局路径规划策略,并利用LABVIEW对变压器微型仿生鱼的三维全局路径规划结果进行了仿真分析。分析结果表明：当引入了人工势场法的相关机理,蚁群算法将不再盲目进行搜索,而是优先选取人工势场合力方向的临近栅格点,提高了算法搜索速度和全局寻优能力。基于人工势场法和蚁群算法的三维全局路径规划策略对微型仿生鱼进行了有效路径规划,具有较好的实用性,这对后续变压器微型仿生鱼样机的控制提供了重要参考。     

空间众包中在线路径规划算法

工作者的路径规划问题是空间众包中一个重要的研究内容。当前路径规划问题的研究主要集中在离线情形下,然而在线情形下的路径规划更符合现实需求。因此,该文从众包物流和共享巴士等典型空间众包平台中提取出了一个在线路径规划问题——空间众包中终点固定的在线路径规划问题。首先研究了Euclidean空间上的路径规划问题,提出了基于粒子群的在线粒子群路径规划算法,该算法通过在线追踪最优解来进行路径规划,同时,提出了基于k近邻的在线局部粒子群路径规划算法。还研究了面向路网的路径规划问题,提出了加权最短路径边界索引和路网上的在线局部粒子群路径规划算法。最后,通过真实数据上的大量实验验证了上述算法的有效性和高效性,其中在线局部粒子群路径规划算法拥有更好的效果。     

多救援直升机多目标分配与航迹规划研究*

分析了重大灾害后航空应急救援的可行性并建立了可行度矩阵,基于该矩阵提出了多直升机多目标分配算法,提高了航空应急救援整体效能。基于形态学的图像处理和启发式A*搜索算法,提出了救援直升机二维航迹规划方法,在满足安全间隔的前提下求解可行最短飞行路径,形成重大灾害条件下的航空应急救援预案,开发了航空应急救援辅助系统,通过飞行前准备可以提高航空应急救援效率和安全性。     

一种改进工业自动导引车路径规划算法

为了解决当前工业自动导引车(automated guided vehicle,AGV)栅格地图下路径规划算法存在路径转弯较多、弯曲度较大、搜路时间较长且距离障碍物近等问题,基于A?算法提出了一种改进路径规划算法.首先,通过在全局地图中设置路径关键节点,生成关键点拓扑地图,并利用Floyd算法进行最短路径规划,输出路径节点集合;其次,利用A?算法对集合中相邻节点进行路径规划,并将生成的路径进行拼接;最后,通过引入贝塞尔曲线对拼接路径进行平滑处理,以获取全局路径.实验结果表明:本文算法规划的路径转弯更少、弯曲度更小、搜索时间更短且能完全避开障碍物行走,更符合工业AGV的应用环境.     

应急资源配送中Dijkstra改进算法的研究

路径规划问题是应急资源配送中的核心问题,最短路径算法在路径规划过程中起着决定性的作用,在众多路径规划算法中最经典且最具代表性的就是Dijkstra算法。以传统的Dijkstra算法分析为基础,从存储结构和算法过程两个方面进行一定程度的改进,目的是在节点数和边数较多的情况下,提高网络模型的处理效率。以真实道路交通数据为基础进行相关实验,结果证明,改进后的Dijkstra算法可以有效减少节点的计算量,提高算法的运行效率。     

飞机防滑刹车系统的智能故障诊断与重构

针对目前飞机在起飞着陆过程中故障率高的问题,设计一种交叉冗余飞机防滑刹车系统的智能故障诊断与重构系统。该系统基于BP神经网络专家系统,利用专家先验知识、神经网络的数值推理和自学习能力对飞机刹车过程出现的故障进行分析和建模,继而准确推断和定位故障;通过对系统信号流向优先级建立对应加权有向图模型,采用寻找最短路径的算法对系统进行优化重构,从而使飞机刹车系统达到更高的安全水平。研究结果证明:在刹车过程中,给定随机故障后,系统能迅速、准确地判断和定位故障并实时重构系统,达到1次和部分2次故障时能正常工作且保证工作性能的设计目标。     

应急物资多式联运鲁棒路径优化

为解决灾后应急物资多式联运路径优化问题,考虑到应急物资运输网络的不确定性,针对各种运输方式的发班时刻限制,建立了不确定环境下带班期限制的应急物资多式联运鲁棒路径优化模型。同时考虑到计算机求解的NP难问题,设计了大变异遗传算法以及自适应遗传算法进行求解,并通过数值案例,对两种算法的求解结果进行了对比分析。研究结果表明：本文所设计的模型及算法可在不确定环境下快速选择出一条时效性好、鲁棒性强的应急物资调拨路径。     

基于加权A~*算法的服务型机器人路径规划

针对室内环境下的服务型移动机器人路径规划问题,分析并比较了两种经典算法--Dijkstra算法及基于Manhattan估计函数的A*算法,通过改变A*算法估价函数中参数的权值来优化路径轨迹,从而既满足A*算法的可接纳性,同时义实现两种算法的融合.在VC环境下编译出路径规划的仿真程序,通过变换起始点与目标点的坐标,比较运算时间和生成的路径轨迹.结果显示:加权A*算法优化了A*算法的路径轨迹,且在计算时间上优于Dijkstra算法,解决了服务型移动机器人的路径规划问题,满足实时性要求.     

基于保留区域的分布式多机器人路径规划

针对多机器人路径规划算法多采用集中式规划,生成的机器人路径之间高度耦合,机器人发生故障时或者路径的时间序列被打乱时须要重新规划,导致执行效率较低的问题,提出了一种基于保留区域的分布式多机器人路径规划算法.采用分布式的规划架构,单个机器人在强连通有向图的环境中单独规划路径,中央模块采用保留区域的方法协调机器人之间的路径.该算法解决了规划路径之间高度耦合的问题,并且实验证明该算法还具有求解快速、规划成功率高、执行过程鲁棒性好等优点.     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

突发事件下应急物资配送问题的改进算法研究

应急物资配送主要是应急车辆在最短的时间内把应急物资从各地应急储备仓运送到救灾点集散中心,其研究的核心是最短路径选择问题。将最邻近算法应用于应急物资的配送路径选择,提出一种多对多的改进最邻近优化算法。在该算法中,克服以往只能解决一对多问题的局限性,引用全新的编码方法,以时间作为衡量标准,同时对组合参数进行选择进化,以实现组网路径的有效选择。通过仿真实验证明该算法具有很好的适应性。     

动态环境下机器人路径规划的混合蚁群算法

为了实现动态环境下移动机器人的路径规划,将蚁群算法(作为一种全局路径规划算法)与人工势场算法(作为一种局部路径规划算法)相结合,并对蚁群算法做了一些改变,使之适应栅格环境。仿真结果表明,该混合蚁群算法路径性能较好,并能够满足实时要求。     

基于量子粒子群算法的无人水面艇路径规划

为了获得无人水面艇航行的最优路径，提高航行的安全性和航行路径的平滑度，提出一种基于量子粒子群优化的无人水面艇路径规划算法。首先，通过引入动态控制参数来提高该算法的寻优能力和搜索精度，并由测试函数验证其可行性；然后，在航行安全的前提下，以路径长度和路径平滑度为规划目标，在不同环境下对无人水面艇进行路径规划仿真实验。仿真结果表明，该算法在路径长度、路径平滑度及路径安全性方面表现较好，能找到全局最优路径。     

智能机械平台轨迹规划与避障方法研究

为了更好地了解当前各类路径规划算法的优缺点,文章通过对当前各种智能机械平台的自主路径规划算法的分析研究,阐述了各种算法的工作原理、适用范围和优缺点等。研究结果表明,全局路径规划算法更多地应用于静态环境中,对实时性要求不高,注重路径规划最优性;而局部路径规划的大多数算法都有容易陷入局部最优解的缺点,常需要结合其他方法来优化,在动态环境中算法的难易程度普遍对规划信息量比较敏感。     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.