基于DBN威胁评估的MPC无人机三维动态路径规划

模型预测控制(model predictive control, MPC)路径规划算法适用于三维动态环境下的无人机(unmanned aerial vehicle, UAV)路径规划;动态贝叶斯网络(dynamic Bayesian network, DBN)能够有效推理战场态势,对无人机进行威胁评估。针对威胁尾随无人机时的路径规划问题,构建DBN威胁评估模型,将UAV在战场环境中的威胁态势用威胁等级概率表示,与MPC路径规划算法相结合,得到基于DBN威胁评估的MPC UAV路径规划算法。通过多组仿真分析表明,在三维动态环境下,特别是威胁尾随无人机时,基于DBN威胁评估的MPC无人机路径规划算法可以得到有效的无人机路径。     

基于精英族系遗传算法的AUV集群路径规划

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。     

服务质量路由问题的一个新进化算法

针对服务质量路由问题,设计了一种新颖的进化算法QoS_EA.该算法具有以下特点:(1)通过采用一种前向自然教编码方法,使路径不包含圈,节省了进化算法在求解该问题时的圈检查过程;(2)设计了一种散接交叉算子,以防止出现不可行的路径,确保交又操作的有效性和种群的多样性;(3)与交叉算子相对应设计了一种基于局部链路选择性修改的选择性变异算子,以确保路径由任意初始状态进化到满足约束的路径.理论分析证明该算法具有明显的优越性,并以概率1收敛于所求路径.计算机仿真结果表明该算法性能优于其他同类算法.     

联合A*与动态窗口法的路径规划算法

由于无人艇所行驶的海洋环境比较复杂, 因此无人艇智能系统中的路径规划系统显得越来越重要。针对A^*算法与动态窗口法(dynamic window algorithm, DWA)存在的不足之处, 提出一种将二者进行结合的混合路径规划算法。通过对A^*算法得到的局部目标点进行迭代更新使水面无人艇(unmanned surface vessel, USV)利用DWA得到最佳搜索路径。仿真结果表明, 提出的算法所搜索的路径长度以及路径的拐点相对于A^*算法分别缩短了21%和减少了59%, 验证了所提算法的优越性。     

带时间窗车辆路径问题的粒子群算法

将粒子群算法(PSO)应用于带时间窗车辆路径优化问题(VRPTW),构造车辆路径问题的粒子表达方法,建立了此问题的粒子群算法,并与遗传算法作了比较.实验结果表明,粒子群算法可以快速、有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

基于模拟退火算法求解VRPSPDTW问题

在经典的车辆路径优化问题的基础上,考虑顾客有同时取货和送货的需求,且每个顾客都有独立的时间窗,研究带时间窗和同时取送货的车辆路径问题(VRPSPDTW)。提出模拟退火算法求解该问题,算法使用Residual capacity and radial surcharge(RCRS)算法求得初始解,通过模拟退火过程和4种局部搜索方法(路径内搜索:2-opt法和or-opt法;路径间搜索:swap/shift法和2-opt*法)进行优化,并选取Wang和Chen测试数据集中的15个算例对算法性能进行测试。测试结果表明,提出的模拟退火算法优于Wang和Chen的遗传算法,能有效地求解VRPSPDTW问题,并且可以被灵活的扩展解决其他车辆路径问题和组合优化问题。     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

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。     

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。     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

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HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

机器人位置/力混合鲁棒自适应控制

提出一种机器人位置/力混合控制的鲁棒自适应算法,利用自适应算法调节机器人系统的未知参数,为了避免在外界干扰作用下引起自适应参数的漂移,在参数自适应律中引入死区,使自适应控制器具有较强的鲁棒性能,滑模控制消除了死区自适应律引起的参数误差,并且具有较强的干扰抑制能力,使机器人末端执行器能够沿环境约束运动,并与约束表面保持期望的接触力,保证了位置和力轨迹跟踪的鲁棒性与精确性。二连杆机器人的仿真分析说明了算法的有效性。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

混合种群RRT无人机航迹规划方法

快速扩展随机树（rapidly-exploring random tree,RRT）无人机航迹规划方法能够快速获得满足约束要求的可行航迹,但是无法获得接近最短航迹的较优航迹。针对航迹的最优性问题,提出了混合种群RRT无人机航迹规划方法。在基于环境势场的RRT算法的基础上,设计了一种种群优化方法,通过引入自优化种群和协同优化种群改善航迹段,使算法同时具有局部和全局寻优能力。在得到航迹节点的基础上,采用B样条曲线的平滑方法生成曲率连续的可跟踪航迹。仿真结果表明,所提算法能够综合考虑无人机航程代价和雷达威胁代价,快速地收敛得到接近最优且满足无人机动力学约束的可行航迹,在不同环境下也能有满意的收敛效率。     

基于改进蚁群算法的建筑火灾疏散路径规划研究

针对综合建筑火灾中人员疏散路径动态规划问题,以待疏散人员所需逃生时间最短为目标,考虑火灾产物和人群密度对人员逃生速度的影响,构建基于改进蚁群算法的人员疏散路径规划模型。建立由障碍物顶点栅格构成的疏散网络数据模型,改进蚁群算法的启发函数、死锁处理策略,引入烟花算法中的爆炸算子优化蚂蚁路径,以某综合建筑为例进行仿真实验。结果表明：该模型不仅能够避免疏散路径经过危险区域,还可根据建筑环境状况和人员分布情况实时调整疏散路径,提高了人员疏散路径安全性。     

一种新的自主移动机器人主动式SLAM算法

针对未知环境中运动的自主移动机器人的控制律与运动路径需要在同时定位与地图创建过程中同步产生的问题,提出了运用行为动力学与滚动窗口路径规划的同时定位与地图创建方法。应用行为动力学模型计算机器人运动速度和导航角,确定控制律,同时根据滚动窗口中信息进行定位与地图创建,并自主规划出可行路径,再将滚动窗口地图融合到全局地图中,实现机器人主动式同时定位与地图创建。仿真实验表明,在根据机器人任务而灵活设置单个或多个目标点的情况下,该方法能够实现机器人在自主运动的过程中有效地完成同时定位与地图创建任务,并通过相关性能指标验证了算法的有效性。