多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法.仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性.     

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。     

移动机器人在障碍空间中路径规划的研究

移动机器人的研究主要转向了多智能体动态不可预测环境中的问题求解。体现移动机器人智能化水平的主要指标即其在障碍空间中的路径规划能力。本文将阐述在障碍空间中移动机器人在路径规划领域取得的研究成果,介绍基于模糊控制的避障思想,以及在该思想基础上发展起来的基于遗传算法的路径规划算法和蚁群算法在移动机器人领域中的研究。     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于A~*算法的移动机器人路径规划

路径规划是移动机器人关键技术之一,也是实现移动机器人自主导航的前提,研究移动机器人利用栅格法创建环境地图时,在其计算资源有限的情况下,比较利用迷宫八方向搜索思想实现最短路径规划的Dijkstra算法,提出采用基于栅格划归地图的A*算法能更快实现移动机器人的无碰最短路径规划,编制了仿真程序,给出了仿真结果,可以满足移动机器人实时路径规划的需要。     

基于改进RRT算法的移动机器人路径规划研究

路径规划是移动机器人开发的核心技术,而传统RRT算法所规划的路径距离长、拐点多,对RRT算法进行改进,引入A~*算法思想,改进待扩展节点的选择。引入人工势力场思想,改进扩展方向的选择。对规划的路径消除冗余点,并采用三次样条函数进行平滑处理。将改进的RRT算法应用于虚拟简单环境地图、虚拟复杂环境地图中,结果表明改进RRT算法所规划的路径平顺性好、路径长度短且所用时间短。最后将改进的RRT算法应用于实际的移动机器人路径规划中,路径规划结果验证了该算法的可行性。     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

改进的优化算法用于移动机器人路径规划

针对当前机器人路径规划算法存在局部最优问题,提出了一种改进的移动机器人路径规划算法。该算法采用改进的人工势场算法产生初始化种群,改进的遗传算法引入了新的适应性函数和"翻转变异"算子、进行全局路径优化。适应性函数包括路径点的适应度和路径的适应度,提高了适应性函数的评价性能。"翻转变异"使障碍物路径变为自由路径,使移动机器人顺利绕过障碍物。克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率。实验结果表明该算法在移动机器人路径规划中的可行性和有效性。     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

一种AAPF算法及其在多机器人路径规划中的应用

研究了多移动机器人系统中的路径规划问题,提出一种自适应人工势场算法AAPF.通过引入自适应滑动策略,克服了基本APF算法容易陷入局部极值的问题;通过引入自适应退避策略,解决了多机器系统路径规划中的避碰问题.将AAPF算法应用到多机器人系统的路径规划问题中,仿真实验证明了AAPF算法的有效性.     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

一种基于预测信息的时间依赖网络路径规划算法

对时间依赖路网最短路径规划算法的研究是车辆动态导航技术领域研究的热点之一。针对最小时间规划算法存在的不足,在研究SPFA(Shortest Path Faster Algorithm)静态规划算法的基础上,结合两种算法的优点,提出了一种改进的基于路况预测信息的最小时间路径规划算法,并通过实例进行了验证。结果表明,新算法能够提供实时、高效、预测性强的规划路径,在城市交通中能较好满足用户需求。     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

基于改进萤火虫算法与动态窗口法融合的移动机器人动态路径规划

针对传统萤火虫算法无法有效躲避未知障碍物、收敛速度慢、易陷入局部最优等问题,对其进行了改进,并将其与动态窗口法相结合,从而提出了一种移动机器人动态路径规划新算法。通过三种策略对萤火虫算法进行了改进：首先,采用Skew Tent混沌映射产生混沌序列对萤火虫种群进行初始化,提高萤火虫算法的全局收敛速度;其次,引入自适应步长平衡萤火虫算法全局和局部最优;最后采用差分进化算法通过变异、交叉和选择操作加强萤火虫算法的搜索能力。然后将改进萤火虫算法与动态窗口法相结合,使移动机器人在全局最优路径的基础上进行实时动态路径规划,在能保证全局最优路径的基础上有效躲避未知障碍物。本文基于MATLAB进行了仿真,仿真结果验证了所提算法的有效性。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树（BI-RRT）算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。     

基于粒子群-蚁群融合算法的移动机器人路径优化规划

基于TSP问题,提出了一种基于粒子群-蚁群算法相互融合的综合优化算法对移动机器人路径规划问题进行研究。通过粒子群算法对全局路径实施粗略搜索,获得部分次优解,在获得次优解的路径上进行信息素分布,再采用蚁群算法进行精确搜索,得到路径规划的最优解。实验结果表明:粒子群-蚁群融合优化算法在路径寻优上优于蚁群算法及粒子群算法。     

基于Matlab仿真的机器手臂笛卡尔轨迹规划

为了消除机器手臂空间轨迹规划中采用一般插补法产生尖角的问题,结合空间直线插补和圆弧插补算法,提出一种新的圆弧连接匀速直线插补法,并引入"拟合度"的概念,在Matlab环境下对算法进行了仿真。结果表明,通过该算法以及对拟合度的调整可以获得最优规划路径。     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。