基于改进哈里斯鹰算法的无人飞行器路径规划

针对无人飞行器三维路径规划问题,提出一种基于哈里斯鹰优化（Harris hawks optimization,HHO）算法的无人飞行器三维路径规划算法。首先根据路径规划代价指标和无人飞行器自身性能,建立路径规划模型确立代价函数和约束条件。接着针对传统HHO算法的不足,引入非线性能量因子来平衡全局搜索和局部搜索的关系,使算法避免陷入局部最小值;引入混沌映射对HHO算法进行初始化种群并对其进行局部混沌搜索,增强算法种群多样性和搜索能力。最后通过仿真实验证明,改进的哈里斯鹰优化（improvement Harris hawks optimization,IHHO）算法可以有效规划出安全的无人飞行器航线,并且能够跳出局部最小值和具备较优的收敛速度。     

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

基于改进人工势场法的无人船路径规划算法

提出了一种改进的人工势场法,用指数函数代替二次函数构造势场函数,降低了势场强度的变化幅度,并在斥力势场函数中增加无人船与目标点的相对位置的一个因子,解决目标不可达问题;同时设置势场系数调整因子,引入2个判断条件确定无人船是否陷入局部最小值,在此基础上选择相应的势场系数,从而跳出局部极小值点.仿真结果证明了该方法的有效性.     

混合遗传算法的AGV路径规划的应用

本文介绍了一种将Ford算法与基本遗传算法相结合来实现AGV路径规划的算法。采用链接图法建立AGV的工作环境模型。给出了用该算法实现的路径规划的仿真与实验结果。     

基于混合遗传算法的多拣货小车路径规划研究

仓库的路径规划通过优化拣货小车行走路径,减少拣选时间,提高分拣效率,是影响仓库拣选的关键环节。文章基于分拣仓库模型,以最小化最大搬运完成时间为优化目标,建立多车路径规划模型。考虑到该问题是NP-难的,设计基于遗传算法与A^*算法的混合遗传算法(hybrid genetic algorithm, HGA),并通过仿真实验和问题参数分析,验证HGA的稳定性、可扩展性和高效性。实验结果表明,HGA优化后相比于优化前最大可节约31.56%的时间,在解决分拣仓库中的路径优化问题上有良好的稳定性、可扩展性和高效性。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划,为发挥算法中改进遗传算法和鲸鱼优化法的优势,弥补遗传算法出现优化准确率和收敛度不高等问题,将改进遗传算法和鲸鱼优化法融合,增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化,改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较,结果表明融合改进优化算法可以有效获取最优算子,减少运算时的迭代次数,同时提升算法的规划准确率。     

基于AHPSO算法的无人艇多目标路径规划

为达到在实际水流环境中减小无人艇的能耗和保证无人艇安全等目标,提出一种自适应混合粒子群(AHPSO)算法用于无人艇的全局路径规划.首先,根据实际水流中无人艇路径能耗等因素,提出路径规划的目标,建立多目标优化方程;其次,分析适用于全局路径规划的粒子群算法,将全局与局部粒子群算法结合,生成混合粒子群算法;最后,针对标准粒子群算法早熟收敛等问题,采用自适应原理来改变惯性权重和加速系数,有效提高算法的寻优速度和精度.仿真结果显示:所提出的算法比单独采用全局或局部标准粒子群算法有更好的寻优性能,可实现多目标优化,更适用于实际水流环境中的无人艇路径规划.     

基于差分GPS的局部区域无人车路径跟踪算法

为确保无人车在弯曲度变化较大的路径上运行的平稳性及速度变化的连续性,基于差分GPS定位导航系统,综合考虑前视距离、速度和弯曲度之间的关系,提出了一种改进的Pure Pursuit算法。首先,通过差分GPS对局部区域内的路径信息进行采集,基于NMEA协议对GPS接收机输出数据进行坐标转换;其次,结合车辆运动学自行车模型与Pure Pursuit改进算法进行路径跟踪。试验结果表明,无人车以30 km/h的最高车速与5 km/h的最低车速跟踪既定路径时,最大横向跟踪偏差相比既有算法降低55. 4%,平均横向跟踪误差相比既有算法降低23. 98%,达到了较好的跟踪效果。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

基于改进狼群算法的移动机器人路径规划

为了获取机器人全局最优路径,文章提出一种基于改进的狼群算法移动机器人路径规划。首先运用栅格法对机器人环境进行建模;然后提出一种改进的狼群算法,该算法提出并行游走机制,进一步提高探狼的局部搜索能力;构建智能奔袭行为,提高猛狼自适应调节能力;提出向心围攻策略,使得算法收敛到全局最优。6类测试函数的仿真结果表明,改进的算法在局部搜索能力和自适应调节能力更强、收敛精度更高、收敛速度更快。移动机器人路径规划的仿真实验所涉及到的参数较多,文章利用Taguchi方法的三因素三水平正交试验法选取了最佳的参数组合。最后将改进的狼群算法和狼群算法都进行路径规划的仿真实验,结果表明,改进的算法在解决机器人路径规划问题上更有效。     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于机器人路径规划存在的全局搜索能力差、初始化信息素少、收敛性差、寻优能力弱等问题,提出了一种多因素改进的蚁群算法。通过改变初始化信息素浓度分配、改变启发式函数、采取蚂蚁回退策略、引入蚂蚁优化排序等方法对蚁群算法进行优化。利用MATLAB软件对改进蚁群算法进行仿真和六足机器人实验。结果表明：改进后的算法在路径更优,迭代次数更少,提高了算法的鲁棒性和寻优能力。     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题,文章利用栅格法对环境进行建模,提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群,增加种群多样性;对探狼游走行为引入随机策略,扩大搜索范围;对头狼的选择引入Metropolis准则,增强算法跳出局部最优能力;改进猛狼奔袭策略,提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明,改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验,结果表明,相比于传统狼群算法,改进的狼群算法在解决AGV路径规划问题上更有效。     

基于改进蚁群算法的移动机器人路径规划

针对传统蚁群算法在移动机器人最短路径规划方面存在的不足,如算法前期盲目性搜索、收敛速度慢、消耗时间长及转弯次数多,提出了一种改进的蚁群算法。该算法根据正态分布模型,将栅格环境划分不同区域,进行信息素差异化处理,减少蚂蚁初期搜索时间;同时基于A^*搜索算法的估价函数思想改进启发函数,引入自适应启发信息因子,增强其目标导向性,提高算法收敛速度,平衡算法全局搜索能力。仿真结果表明,改进的蚁群算法能够规划出收敛速度较快、转弯次数较少以及平滑度更高的路径。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法中收敛速度和局部最优的矛盾,提出一种适用于静态环境的基于改进蚁群算法的移动机器人路径规划方法.在环境建模方面,利用机器人起点和终点的位置建立环境的可视图.改进的蚁群算法将环境中局部的路径信息加入到信息素的初始化和路径选择概率中,提高了算法收敛速度的同时尽可能地避免算法早熟.当算法陷入停滞时,引入交叉操作并调整α,β和ρ的值,增加了算法的逃逸能力.仿真结果证明了所提方法提高了最优路径的搜索效率,整体性能优于标准蚁群算法.     

基于量子粒子群算法的无人水面艇路径规划

为了获得无人水面艇航行的最优路径,提高航行的安全性和航行路径的平滑度,提出一种基于量子粒子群优化的无人水面艇路径规划算法。首先,通过引入动态控制参数来提高该算法的寻优能力和搜索精度,并由测试函数验证其可行性;然后,在航行安全的前提下,以路径长度和路径平滑度为规划目标,在不同环境下对无人水面艇进行路径规划仿真实验。仿真结果表明,该算法在路径长度、路径平滑度及路径安全性方面表现较好,能找到全局最优路径。     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

基于混合遗传算法的物流配送路径优化分析

货物的合理配送,除了选择合适的交通运输方式外,还要确定合理的配送路线和货物的运输量,不同的运输条件、组织方法,车辆可以按照不同的配送路线完成配送任务.本文在构建了物流配送路径优化数学模型的基础上,提出了基于局部竞争机制的选择小生境技术和自适应调节交叉变异参数方法提高全局收敛性能,最后将带有记忆功能的模拟退火算法与上述改进遗传算法相结合提高局部搜索能力,从而构造出一种新的混合遗传算法,经过计算证明,这种混合算法可以在很大程度上解决上述问题,并得到最优解或者近似最优解.