改进A*算法的机器人能耗最优路径规划方法

为了降低移动机器人在运动过程中的能耗, 提高在能源补给有限时的任务执行率, 提出了一种改进A^*算法的机器人能耗最优路径规划方法。首先, 根据四轮差速驱动移动机器人的运动学约束, 建立了其运动的能耗模型。然后, 根据起始状态和目标状态约束求解生成运动基元, 采用能耗模型计算运动基元的能耗值, 构建了能耗运动基元集。其次, 基于传统A^*算法, 改进提出了一种能耗最优路径规划方法, 该方法在规划进程中以能耗运动基元集中定义的节点之间的连接关系进行节点扩展, 而以能耗值作为节点之间的通行成本, 从而保证获得一条全局能耗最优路径。最后, 离线地图仿真测试和机器人实验结果表明所生成的路径总能耗可降低约28.24%, 从而验证了算法的有效性。     

基于正六边形栅格JPS算法的智能体路径规划

通过构建正六边形栅格地图, 并修改传统跳点搜索(jump point search, JPS)算法的邻居剪枝、强制邻居判断的规则和JPS策略, 提出一种新的正六边形栅格JPS算法, 并且利用该算法解决智能体在环境地图存在障碍物时的路径规划问题。利用Pycharm平台进行仿真研究, 并与传统正方形栅格A^*算法和JPS算法进行路径规划仿真比较, 结果表明正六边形栅格JPS算法可更好地实现路径规划, 所规划出的路径可避免穿越墙角的不安全行为、减少转向次数, 且该算法可减少路径规划时间, 提高了路径规划的质量和效率。     

基于强化学习的改进三维A*算法在线航迹规划

针对飞行器在线航迹规划对算法实时性与结果最优性要求高的问题,基于强化学习方法改进三维A^*算法。首先,引入收缩因子改进代价函数的启发信息加权方法提升算法时间性能;其次,建立算法实时性与结果最优性的性能变化度量模型,结合深度确定性策略梯度方法设计动作-状态与奖励函数,对收缩因子进行优化训练;最后,在多场景下对改进后的三维A^*算法进行仿真验证。仿真结果表明,改进算法能够在保证航迹结果最优性的同时有效提升算法时间性能。     

改进双向快速搜索随机树的无人艇路径规划

针对双向快速搜索随机树(bidirectional rapidly-exploring random tree, BI-RRT)算法在全局路径规划时存在搜索效率低、路径拐点较多等问题,提出一种改进BI-RRT的水面无人艇(unmanned surface vehicle, USV)全局路径规划算法。该算法采取了极度贪心的思想、高斯偏置随机点采样方法以及启发式的节点扩展策略,同时对节点扩展和搜索树连接进行角度约束,将生成的路径进行剪枝和3次B样条优化处理。结果表明,相对于改进前,改进的BI-RRT在平均时间、随机采样点和平均路径上分别减少了40.5%、65.0%和24.0%。改进后的算法时间、采样点和搜索树扩展大幅度减少,路径平滑度提高且路径更短。     

基于快速RRT算法的三维路径规划算法研究

RRT(rapidly exploring random tree)算法是一种基于采样的路径规划算法,可以在高维环境中搜索出一条路径。传统的RRT算法存在节点利用率低、计算量偏大的问题。针对这些问题,基于快速RRT^*(Quick-RRT^*)算法,通过优化重选父节点与剪枝范围策略、改进采样方式、引入自适应步长,对快速RRT^*算法进行改进,使得算法耗时和路径长度更短。同时,加入节点连接筛选策略,消除路径中过大的转弯角。实验结果表明,改进后的算法在三维环境下能快速找到一条距离最短的无碰撞路径,且运行时间也大幅降低。     

通信距离约束下的无人船集群覆盖搜索方法

针对通信距离受限时水面无人船(unmanned surface vessel, USV)集群对未知水域的覆盖搜索问题, 提出一种竞拍协同边界探索算法。首先根据边界探索的思想提取地图探测边界, 然后以基于层次聚类思想进行改进的K-means++聚类算法划分任务区间, 消除不安全或低收益的目标搜索点, 再以分布式竞拍算法为USV集群动态分配搜索任务, 使集群搜索效率最大化, 各艇经过多轮分配、执行搜索任务直至覆盖全水域。仿真实验表明，在相同集群规模下, 相较于无协作的几种边界探索算法, 该算法任务用时和集群航行总路程更少; 在相同任务地图下, 覆盖搜索效率随USV集群规模增大而提高。     

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明：所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search, CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%～83.67%,二叉约束树(constraint tree, CT)拓展量为CBS算法的60.14%～71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

基于粒子群优化算法的无人战斗机路径规划方法

对于无人机的路径规划问题,从和机器人路径规划问题的差别入手,通过粒子群优化算法对有限数目的采样航点的优化,使用高次B样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径。研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。通过仿真对目前出现的基于粒子群优化算法的无人机路径的多项式拟合方法和所提出的基于B样条拟合的方法进行了比较。仿真结果表明,使用粒子群算法优化出来的B样条曲线比多项式拟合法和几何方法更加合理有效。     

基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A*焦点搜索来优化冲突搜索算法。将次优因子ω引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

基于自适应遗传算法的无人机航迹规划方法研究

随着攻防系统的发展与完善,实现飞行器有效突防越来越困难,而采用航迹规划技术能够有效的提高飞行器的突防概率.基于此,首先研究了参考航迹的角度、高度以及航迹段长度等约束条件;其次对航迹编码方式进行了改进,采用全实数的双向链表的编码方式;对自适应遗传算法的交叉和变异概率的计算方法、交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了仿真研究,对采用不同的变异算子所得结果进行了对比分析.仿真计算的结果表明,该算法能够规划出一条满足要求的参考航迹,采用组合变异算子能取得比采用单个变异算子更优的参考航迹.     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

基于LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

求解多峰函数优化的小生境克隆选择算法

分析了传统的用于多峰函数优化问题的小生境遗传算法的特点和不足,基于免疫系统中的克隆选择原理,运用记忆算子、抑制算子和重组算子等技术对克隆选择算法进行了改造,并引入一种新的小生境技术,提出了一种解决多峰函数优化问题的小生境克隆选择算法。最后,实现了该算法对单无人作战飞机（unmanned combat air vehicle, UCAV)多航路规划这类多峰函数优化问题的优化仿真,结果表明该算法简单有效。     

基于改进A*算法的多层邮轮疏散系统仿真

为解决海上航行应急疏散效率低下的问题,提出一种基于改进A*算法的应急疏散系统。以网络流模型为基础,采用邻接节点的遍历方式完成路径搜索,并在代价值的计算中加入路径人员密度和路径障碍物的影响,使算法更具实用性。为提升算法效率,对网络进行节点优化,给出单层多出口情况下的多路径择优方案,并考虑在路径发生拥堵时进行二次规划。仿真结果表明：该系统能够为多层大型邮轮上的人员提供一条有效的疏散路径,不仅在安全性方面可以有效避免路段拥堵情况,而且在疏散时间方面较传统A*算法更短,疏散效果更好。