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.     

基于遗传算法的移动机器人路径规划方法

机器人路径规划是机器人领域的一项重要课题,不同于以往在遗传算法过程中考虑路径平滑度的方法,本文提出了一种将遗传算法过程与路径平滑过程分开的机器人路径规划新方法。先设计可变长编码方式的简单遗传算法产生较优的折线路径,再引入一类新的带形状参数的回旋螺线对其进行平滑操作,以抚平较大转角。整个路径规划过程,只需输入障碍物坐标即可自适应地选择参数以产生机器人行走路径。仿真结果表明,将遗传算法过程与路径平滑过程分离的做法能降低遗传算法本身复杂度,所以设计的平滑操作不仅提高了路径平滑度,还可以减少路径长度。     

基于遗传算法的平面车库车辆路径规划

随着物流系统自动化、智能化水平的提高,AGV在物流系统的应用越来越普遍。AGV的导航是AGV的核心技术,而路径规划是AGV导航的重要环节之一。本文应用遗传算法求解单个AGV的路径规划问题,最后给出该算法实现的路径规划仿真和实验结果,实验结果证实了该方法的有效性。     

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.     

基于遗传算法的水下机器人大范围路径规划

智能水下机器人（AUV）研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始状态到达目标状态的无碰路径。提出一种分层遗传算法来解决大范围海洋环境下AUV的路径规划问题。详细介绍了算法的实现，并进行了仿真实验，仿真结果证明了该算法的有效性。     

基于遗传算法的汽车式移动机器人路径规划方法

对文题进行了数学描述，提出了一种基于遗传算法的汽车式移动机器人最短距离路径规划新方法，探索了解决非完整系统路径规划问题的新途径．利用经改装的遥控汽车模型进行了路径规划实验，取得了令人满意的实验结果     

一种CGA路径规划方法

针对传统人工势场法的不足,提出了一种改进的人工势场法,该方法能够确保CGA快速逃离局部极小点,试验表明该算法是有效的,可以弥补传统人工势场法的缺陷.     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

动态环境中基于遗传算法的移动机器人路径规划的仿真

动态环境中 ,移动机器人的动态路径规划是一个较难解决的课题 .提出了一种基于遗传算法的移动机器人的路径规划方法 .该方法采用实数编码和有明确物理意义的适应度函数 ,可以加快实时的运算速度和提高运算精度 .同时 ,该方法充分挖掘了可应用遗传算法解决移动机器人动态路径规划的潜力 .计算机仿真表明 ,仿真该控制方法具有良好的动态路径规划能力     

针对机器人路径规划问题的改进型遗传算法

针对路径规划的"求解质量"和"求解效率"2个问题,在传统遗传操作的基础上,通过在遗传操作中加入优化算子,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和仿真试验表明,算法的改进是有效的.     

多目标遗传算法在机器人路径规划中的应用

针对具有多个优化目标的机器人全局路径规划问题,提出一种改进的多目标优化遗传算法。在初始群体的生成中,采用把随机法和基于问题先验知识的启发式方法相结合的策略,以加快收敛速度;在遗传算子的设计中,引入删除、修复和平滑算子,以提高算法的搜索效率;在选择算子中。加入避免外部存储器中出现相同个体的机制,以防止早熟收敛。仿真结果表明：该文算法运行一次能够有效地产生一组近似Pareto最优路径解。     

基于遗传算法的森林防火航空巡护路径规划

针对防火监测区地形地貌、森林资源分布、火灾发生规律以及执行巡护任务的飞机性能等影响因素,提出一种规划森林防火航空巡护路径的方法及流程,利用遗传算法实现路径规划最优解的求解.对实验区的计算结果表明,该方法得到的最优路径与原路径相比,长度缩短了46.06%,且能实现对监测区域的全覆盖,从而减少巡护费用,提高巡护效率.     

无人机航迹规划常用算法综述

为促进航迹规划技术的发展,对航迹规划常用算法进行综述。首先对航迹规划的规划思想和构成进行分析; 其次将航迹规划算法分为传统经典算法和现代智能算法两大类,对其中几种常用算法进行分析总结; 最后阐述现代智能算法在航迹规划应用中的改进、多重算法的融合改进以及多无人机四维航迹规划算法研究3 个研究热点及未来发展趋势。     

基于遗传算法的自动装配顺序规划

笔者对自动装配顺序规划问题建立一种改进的遗传算法（Genetic Algorithms)。建立了装配体各零件间的可行装配方向元组,用于判断无干涉装配序列;提出5种合适的遗传算子,并以装配方向的改变次数作为装配顺序的适应值;采用一种适应值修改方案来避免算法过早收敛。算例表明,本文建立的装配顺序规划的遗传算法,能快速自动产生出满意的装配顺序方案。     

基于遗传算法的目标规划求解

首先讨论了遗传算法的优点，然后提出了将遗传算法应用于带有约束优化问题的求解，并进一步将其运用于一目标规划的优化设计中，计算机数值仿真结果表明该方法的有效性     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.     

多障碍离散路径规划的遗传算法求解

使用遗传算法求解多障碍离散路径规划问题时,容易产生大量无效解.通过计算个体的有效路径,评价个体,并在遗传操作中不断累积局部优势模式,可以对无效解进行遗传操作并最终生成有效解.无效解往往在有效路径的尾部陷入障碍.针对此变异操作,使得个体不仅可以保留前端累积的局部优势模式,同时可通过尾部变异跳出环境障碍.