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.     

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.     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

改进遗传算法求解文化旅游线路规划问题

针对旅游线路规划问题的非确定性多项式难题(nondeterministic polynomially problem,NP)特性,顾及文化旅游景点文化内涵的多样性,提出了一种可有效保持种群多样性的遗传算法以求解旅游线路规划问题.为了解决传统遗传算法的局部最优问题,改进的算法利用Jaccard系数产生初始种群以提升种群质...     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则,给出一种基于DNA编码方法的改进遗传算法,以求解非线性多约束规划问题,原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子;算法中还加入了一个新的算子——淘汰算子,分析及算法仿真结果表明,本算法可有效求解该问题。     

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。     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

求解车辆路径问题的改进蚁群算法

为解决基本蚁群算法的过早收敛的缺陷,提出一种将遗传算法和蚁群算法融合的改进的蚁群算法.即使用蚁群算法求解出完成所有配送任务的车辆行驶路径,并将其作为局部最优解;然后,使用遗传算法的交叉变异算子对第一步搜索出来的局部最优解进行优化,筛选出全局更优解.仿真实验证明:改进后的蚁群算法与现有的求解车辆路径优化问题的蚁群算法相比,具有更快的运行速度,找到最优解的概率更高,且避免了基本蚁群算法的过早收敛.     

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.     

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.     

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。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

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.     

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。     

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。     

飞行器巡飞探测路径规划方法

为了使飞行器能够在有限的巡飞航程中对指定目标区进行全面探测,提出了一种基于遗传算法的飞行器巡飞路径规划方法. 分别针对定高度和变高度巡飞路径进行规划进行了仿真,得到了满足要求的优化结果,并给出了所需的最小航程,该结论为后续的飞行器推力方案和气动外形设计提供了依据.