Lévy飞行的正余弦乌燕鸥混合算法及应用

为解决标准乌燕鸥算法（STOA）易陷入局部最优和收敛速度慢等缺点,提出一种混合正余弦算法（SCA）和Lévy飞行的自适应乌燕鸥算法（SLSTOA）。采用正余弦算法的搜索方式,同时采用非线性递减自适应正弦因子,改进乌燕鸥算法的攻击搜索方式,来增强STOA算法的全局与局部探索能力。乌燕鸥个体和最优个体通过Lévy飞行策略进行变异,来增加种群多样性和扩大搜索空间,以达到提高跳出局部最优和全局探索能力。与四种先进的元启发式算法比较,SLSTOA算法性能通过6个基准测试函数进行评价,结果表明,相比其他四种元启发式算法,SLSTOA算法精度高、稳定性好和鲁棒性强。同时为验证SLSTOA算法的科学性与实用性,将其应用于解决32t/22.5m桥式起重机主梁结构优化设计中。     

Lévy飞行和热交换的混沌乌燕鸥算法及应用

为解决乌燕鸥算法对抗局部最优能力和寻优能力较低的问题,提出了一种混合Lévy飞行和热交换混沌乌燕鸥算法（LTCSTOA）。首先,采用Hénon混沌映射对算法种群初始化,保证算法种群多样性。其次,采用混合Lévy飞行和热交换算法的搜索策略,并在不同算法搜索阶段,引入自适应因子γ和自适应惯性权重,提高了算法的跳出局部区域的能力和收敛精度。最后,采用热交换算法对最优乌燕鸥个体进行扰动,提高算法的全局寻优能力。选用7个测试函数验证了不同改进策略的算法有效性,仿真结果表明：与其他算法相比,LTCSTOA算法收敛性能更优,具有较高的收敛精度、稳定性和鲁棒性。将LTCSTOA算法应用于二级斜齿圆柱齿轮传动机构可靠性轻量化设计,优化结果表明：与原设计相比,LTCSTOA算法获得的体积和重合度分别降低了约为51.86%和18.6%,实现了齿轮传动机构轻量化设计的目的。     

具有路由缓冲区的客车制造车间排产优化问题研究

针对客车制造车间改机操作的特点,建立了基于总改机代价的路由缓冲区深度搜索移动规则,指导客车在路由缓冲区的移动过程,在此基础上进一步提出了一种基于最短路径优先(Short Path First,SPF)算法的路由缓冲区局部快速寻优方法,并结合全局优化算法,解决这类具有路由缓冲区的排产优化问题。全局优化算法采用改进的鲸鱼算法,该算法在标准的鲸鱼算法基础上加入了Levy飞行和反向学习策略2处改进,分别扩展了种群的多样性和寻优范围,提高了标准的鲸鱼算法跳出局部极值的能力。通过多组实例仿真测试,验证基于SPF算法的路由缓冲区局部寻优方法与基于改进的鲸鱼算法的全局优化算法结合的优化方案对于解决具有路由缓冲区排产优化问题的有效性。     

Memetic算法在机器人路径规划中的应用研究

针对机器人路径规划问题,采用memetic算法进行求解。算法采用全局搜索与局部搜索相结合的方式,即全局搜索策略融合了遗传算法的交叉与变异操作,局部搜索策略采用了爬山搜索。目标函数综合分析了路径规划中环境和机器人的实际约束条件,以期满足实际行走路径的最优方案。最后进行了机器人路径规划的仿真对比测试,证明了Memetic算法在机器人路径规划问题中具有更高的规划效率,得到的行走路径较优。     

基于改进天牛须搜索的自导引机器人路径规划

针对天牛须搜索(BAS)在自导引机器人(AGV)路径规划中存在的陷入局部最优、收敛速度较慢等问题,提出基于改进天牛须搜索(IBAS)的AGV路径规划新方法.相比于BAS,IBAS中天牛的移动步长不再是固定的,而是随着迭代进程自适应的变化,从而实现了算法搜索能力的平衡,提升了算法的寻优性能.典型测试函数优化结果表明,IBAS的寻优精度、寻优速度和稳定性更优.在AGV路径规划的实际应用中,IBAS有效提高了路径规划效果.     

精英协作引导花授粉算法及机器人导航路径规划

为了提高花授粉算法的寻优精度和性能稳定性,提出了融入改进策略的精英协作引导花授粉算法.分析了花授粉算法的工作原理及缺陷,给出了对立点初始化方法提高初始种群质,使用精英协作引导全局搜索策略提高算法搜索效率和质量,建立动态转换概率模型用于平衡全局搜索与局部搜索,综合以上改进措施提出了精英协作引导花授粉算法.使用单模态标准函数和多模态标准函数对算法性能进行测试,每一项改进措施都能够提高算法的搜索精度和寻优稳定性,且改进措施之间不存在抵消性耦合.将精英协作引导花授粉算法应用于机器人路径规划,与花授粉算法相比,路径平均长度减少了4.01％,标准差减少了一个数量级以上,表明改进算法在路径规划质量和稳定性方面均优于传统花授粉算法.     

基于改进蚁群算法的障碍环境下路径规划研究

针对寻找机器人在障碍环境下到达特定目标最短路径问题,提出一种基于改进蚁群算法的路径规划方法。该算法通过赋予蚂蚁类似于人的方向感,使其具备局部路径思考能力,同时在蚁群算法中引入确定性选择和随机性选择相结合的方法,以及确定性选择概率和信息素挥发系数自适应调整策略,极大地改善了蚁群算法的全局搜索能力和搜索速度,并且显著地提高了算法寻找最优解的能力。在基于栅格地图的仿真测试条件下,该方法在不同问题规模和障碍条件下,均能达到很好的优化结果,并且满足实时路径规划的搜索速度要求。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于蚁群算法的机器人路径规划研究

蚁群算法是一种全局智能仿生算法,具有较强的鲁棒性和环境适应性,在栅格化环境下适用于机器人路径规划,但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题,提出了路径平滑处理策略,对蚁群算法每次迭代出的最短路径进行了平滑处理,针对每次迭代搜索出的最短路径栅格节点集合,在不妨碍机器人运动的前提下,拉直移动路径或减缓拐弯角度,从而避免不必要的急拐弯。仿真结果表明,加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。     

基于Lévy飞行微粒群算法的液压系统可靠性优化

针对微粒群算法易于陷入局部最优解、早熟的缺点,将Lévy飞行引入微粒速度迭代公式中,并动态改变微粒群速度迭代公式中Lévy飞行的权重值,提出动态Lévy飞行微粒群算法。根据T-S故障树理论,建立液压支架液压系统的可靠性模型,进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中,并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较,验证所提出算法的优越性。     

基于混沌蜂群算法的农用无人直升机路径规划

针对农用无人直升机从地面站飞到目标农田的路径规划问题,提出了一种改进的人工蜂群算法。在该算法中利用混沌局部搜索算子的遍历性和随机性的特点重新初始化陷入局部最优解的雇佣蜂,在迭代中产生局部最优解的邻域点,帮助其脱离束缚并快速找到全局最优解。采用改进算法来处理无人直升机的路径规划任务,首先将路径规划任务通过数学建模转换成一个多维函数优化问题,然后结合人工蜂群算法的全局寻优能力和混沌算子的局部搜索能力得到改进算法,最后分别用仿真实验验证了改进算法在函数优化上的优越性和在解决农用无人直升机路径规划上的可行性。     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

融合改进A^(∗)算法与动态窗口法的机器人避障研究北大核心CSCD

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

改进蚁群算法的变电站群机器人路径规划研究

群机器人提高了单个机器人的工作效率,同时群机器人协作路径规划是保障机器人之间能够安全运行的前提,对此提出了一种基于改进蚁群算法的路径规划研究,是在蚁群搜索路径时产生个别蚂蚁开辟没走过的道路,采用分块式的格局让机器人在变电站巡检更少的触碰,利用改进蚁群算法在变电站中规划一条总路径最短的有效路径。所提出改进的蚁群算法提高了传统蚁群算法的搜索能力,明显改变了传统算法的局部性调整,而且在搜索过程中体现改进蚁群算法对机器人路径规划的有效性。     

基于改进蚁群算法的无人矿车路径规划研究

针对地形复杂、坡度大的矿区中矿车的路径规划,提出一种改进的蚁群算法,引入了障碍探索的方法,将下一节点的附近一定区域的障碍状况作为影响因素,如果影响蚂蚁寻找最优路径,则会规避此节点。针对矿区坡度较大问题,将速度-坡度模型引入状态转移概率中,在路径较短的前提下选择坡度较小的节点。将每代蚂蚁中的优秀蚂蚁进行局部路径融合,提高寻优能力。实验结果表明,与传统蚁群算法相比,改进的蚁群算法的全局寻优能力更好,收敛速度更快,用时更短。     

染色体重组鱼群算法的机器人导航路径规划

为了减少机器人导航路径的长度、提高导航路径规划的稳定性,提出了权值可调整染色体重组鱼群算法的导航路径规划方法.在环境建模方面,提出了边探索边建模方法,最大限度地保存了机器人工作空间.在路径规划方面,建立了机器人路径规划数学模型.在传统鱼群算法基础上进行了两点改进,一是提出了视觉范围和步长同步自适应调整方法,使算法探索能力和运动能力能够同步吻合调整,满足算法收敛和寻优要求;二是提出了权值可调整染色体重组方法,使鱼群能够跳出局部极值,向最优值区域靠近搜索,有利于提高算法寻优精度.同时使用改进鱼群算法与传统算法求解机器人路径规划模型,与传统鱼群算法相比,改进算法规划的最优路径长度减少了 5.01％,耗时减少了约一倍,路径规划稳定性也优于传统算法.     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

嵌入筛选操作的遗传算法及其在焊接路径规划中的应用

针对基本遗传算法(GA)中存在的局部搜索能力不足和未成熟收敛的问题,引入一种结合模拟退火算法的筛选操作对算法进行改进.改进遗传算法(IGA)一方面在优化后的解空间进行精细寻解,另一方面依靠基本GA算子开拓全局搜索空间,从而使算法达到全局最优与局部优化的良好平衡.由于改进算法中采用了模拟退火算法的Metropolis准则对染色体进行筛选,强化了算法局部搜索能力,有效加快了算法收敛速度.并以汽车车身机器人焊接路径规划为应用背景,对改进遗传算法进行了仿真验证,仿真结果验证了所提算法的有效性,并且验证了其在汽车车身焊接路径规划中应用的可行性.