基于蚁群算法的滑移预测路径规划研究

月球车是搭载探测任务的可移动多功能机器人.月球车在实际地形行驶中,从起点到目标点之间除了选择最优路径,还应该将地形、障碍物等影响因素考虑进去.地形的主要影响因素是陡坡方向和陡坡坡度,其他因素归类为滑移,这些在很大程度上增加了路径规划的长度和时间复杂度,更影响了其安全性.而传统蚁群算法只是单纯地寻求路径规划中的最优解,存在收敛速度慢、时间复杂度高、寻优能力不平衡等问题,且没有考虑滑移、地形等因素,应用在月球车预测路径规划问题中极易陷入局部最优解.提出了基于三维栅格地形环境下融合坡度、坡向的滑移预测改进蚁群算法路径规划;通过设置相同的信息素启发因子和信息素挥发系数,改变滑移预测地形参数,得到了基于滑移预测的综合代价函数,改进了传统蚁群算法;分析了基于滑移预测的综合代价函数对改进蚁群算法路径长度、收敛速度、时间复杂度和迭代次数的影响.最后利用实验仿真数据结果验证了本文改进后的蚁群算法在滑移预测路径规划问题中有更高的有效性.     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。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。     

云计算环境下基于优先级的IO和网络密集型应用调度策略

当前云计算环境中,当大于CPU核数的IO和网络密集型应用并发执行时,传统的资源分配策略没有考虑到应用的特性,导致资源利用率偏低,应用执行效率低下.针对这种现状,本文对IO密集型应用和网络密集型应用进行分析,根据它们可量化的特性,提出并设计了基于优先级的IO和网络密集型应用调度策略.针对可量化的小应用提高优先级,获得更大的CPU时间片,让小应用尽早完成,然后将所有CPU时间片分配给大应用,减少进程之间的切换调度,提高了效率.大量实验表明,该策略可以有效提高应用的执行效率,减少资源的消耗.     

Real-time acquisition of compact volumetric maps

0 Introduction3D modeling techniques have been more and morecompactlyintegrated withrobotics .3-Denvironment mod-els are useful in mobile robot mapping,locationand navi-gation.They could helptolocate a mobile robot fast andaccurately,andto navigate it while it travels inthe envi-ronment. The accuracy of models acquired with rangefinder[1]is typically higher than that of models acquiredwith stereo vision[2].And vision sensors usually can notprocess vision data in real-time . Therefore ,laser r…