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.     

遗传算法在SCARA机器人最优路径规划中的应用

SCARA型装配机器人的全局路径规划是一种典型的机器人路径规划问题。本文分析了此问题自身的特性，将其转化为TSP问题，采用遗传算法优化了选择、交叉、变异等遗传算法操作及其相关参数，获得了一种性能良好的全局路径规划算法。仿真与实验表明，此算法可以在较短时间内求得最优解或准最优解。     

基于多目标遗传算法的起重机吊装路径规划

采用改进遗传算子操作策略的遗传算法以解决起重机三维空间多目标吊装路径的规划问题.首先建立起重机作业场景和位姿空间的数学模型,将起重机的空间多自由度路径规划问题转化成平面路径点的求解问题.然后确定以吊装路径最短、安全性最好和运动形式变化最少为优化目标,通过添加记忆算子为插入算子和变异算子选取合适的方向和步长进行多目标优化操作.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路径供决策者选择.     

遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm, GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。     

多目标优化-改进遗传算法路径规划模型

优化智能算法进行路径规划可以有效缓解用户出行拥堵问题,为此,设计了多目标优化-改进遗传算法(multi-objective-improved genetic algorithm, M-IGA)组合模型。采用Dijkstra算法改进种群初始化策略,完全规避了断路和环路,提高了初始种群质量;设计基于邻接矩阵的深度优先遍历交叉策略、邻接限制半随机变异策略,兼顾算法全局搜索和局部寻优能力,解决了种群多样性降低、过早收敛的问题。同时,在设计适应度函数时,引入个体用户偏好权重系数,综合考虑了平均行驶时间、交叉口延误、道路拥挤状况、道路等级4种因素来进行多目标优化,为用户寻找符合个体期望的最优路径。研究结果表明,所提出模型相比于蚁群算法路径寻优效率提高了54.322 0%;相比于单目标路径寻优,最优路径综合代价降低了23.609 1%,有效避开了拥堵及交叉口多的路段。     

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.     

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学工业描述了用遗传算法求解多目标整数规划问题的方法。这种算法较圆满的解决了既费用又考虑需求的下料问题，具有广阔的应用价值。     

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.     

差分进化算法在多目标路径规划中的应用

针对差分进化算法其算法思想简明、实现方便而得到了国际进化计算研究领域的认可,多目标问题中,由于各目标之间经常是相互制约的,因此优化难度相当大。带时间窗的多目标物流配送车辆路径优化的多约束性使得它很难应用进化算法进行优化。为了解决这个问题,本文通过变异操作算子改进,成功将改进的差分进化算法应用于该问题。数值仿真实验结果表明:这种改进的差分进化算法得到了较稳定的非支配解集,实现了客户间的路径优化。     

改进蚁群优化算法求解移动机器人路径规划问题

针对蚂蚁双向并行搜索策略会丢失蚂蚁间的部分可行路径甚至最优路径的问题,该文采用栅格法建立移动机器人环境模型,提出了根据信息素判断蚂蚁是否相遇的新的蚂蚁相遇判别法。为避免算法陷入局部最优,提出了综合考虑多种因素的新的路径选择策略和全局信息素更新策略。二维环境下的仿真研究表明,只要路径客观存在,算法就能快速地规划出相应的安全路径。     

多目标遗传算法在甲醇合成优化中的应用

针对甲醇合成优化中的多个目标函数 ,对多目标遗传算法进行了改进 ,引进了多个体交叉算子和种群间的变异算子 ,使用多目标权重因子解决了适应度函数的构造问题 ,不仅提高了算法本身的运行速度 ,而且在处理实际的多目标优化时 ,提供了较好的灵活度 ,在指导实际生产中表现出了良好的性能。     

改进的多目标遗传算法在无人机机翼结构优化中的应用

现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢。为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度。以某无人机机翼结构的多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集。     

数字势场和遗传算法的机器人路径规划的方法

提出了一种适用于任形式机器人格规律划的新方法，该方法利用笛卡尔工作空间的几何信息，建立离散化工作空间的距离图和数字势场，基于启发函数引导机器人在构形空间使用遗传算法进行搜索，而且，针对势场中极小点问题，提出了一种使用遗传算法和交替势场进行逃离的新算法，最后分别为6自由度关节机器人和12自由度双手协调机器人进行路径规划和仿真，验证了该方法的有效性。     

基于遗传算法的团队CGA路径规划方法

基于遗传算法给出了一种团队CGA(Computer Generated Actors)全局路径规划方法,针对复杂环境和团队特点设计了不等长的路径编码和个体适应度评价方法.试验表明该方法可以为团队中每个成员规划出一条协调的、无障碍的路径,有效地解决复杂空间下团队CGA路径规划问题.     

改进的GA在自动送货机器人全局路径规划中的应用

自动送货机器人 (ACR)全局路径优化问题是机器人路径规划的一种典型 ,本文将传统遗传算法进行改进 ,采用非等位基因交叉和整体算术交叉算子 ,并用增加高斯算子的变异方式进行变异 ,利用q竞争方法进行选择 ,既保证了样本的多样性 ,又实现了算法的快速收敛 ,在局部优化和全局优化结合的基础上 ,本文针对超市送货问题进行仿真 ,结果表明本文方法是非常有效的