量子布谷鸟协同搜索的垃圾回收路径规划方法

针对城市垃圾回收路径规划问题,提出了一种量子布谷鸟协同搜索算法,用于优化最短路径.首先,采用Bloch球面坐标量子编码来扩大解空间;然后设计了一种基于差分进化的量子布谷鸟搜索策略,实现较差个体的改进以及劣势个体与优势个体之间的信息交换,增强全局搜索能力;最后,利用一种局部邻域搜索算法进一步提高解的质量.理论分析了所提算法的收敛性.基于无线传感网络采集数据进行了仿真实验,将量子布谷鸟协同搜索算法与传统遗传算法和量子布谷鸟搜索算法分别比较,求解垃圾回收最短路径问题的最优解和平均解均改进了20%~40%,结果证明了量子布谷鸟协同搜索算法的优越性.     

优化路径分配的多作业机器人任务规划

提出一种优化路径分配的多机器人任务规划框架。对任务规划问题进行形式化描述,在此基础上,探讨实现优化路径分配的任务规划的关键技术,包括追索最短道路求解方法、多目标任务分配的随机化求解和概率框架的更新模型。实验结果表明,该理论框架具有可行性和实用性。     

考虑充电设施的无人机配送路径规划研究

为解决偏远农村地区物流配送存在的困难,对无人机配送进行系统性规划,共分3个阶段：考虑到续航里程限度,建立了充电设施选址模型;从绿色路由的角度,以最小化总能耗作为目标,建立了考虑充电设施的无人机多包裹配送路径规划模型;根据实际无人机数量进行任务分配,建立了任务分配模型。第一、三阶段的模型应用SCIP求解器求解。对第二阶段的混合整数非线性规划模型,设计了双层启发式算法CW节约-改进和修复乌鸦搜索算法(CW-IRCSA)求解。实验表明,对于洪格尔高勒镇的案例,充电设施的选址有利于节约资源,能得到能耗最低的配送路径,且任务分配合理;对于100个及以下的需求点规模,与CW节约-离散修复乌鸦搜索算法(CW-DRCSA)、CW节约-修复模拟退火(CW-RSA)相比,CW-IRCSA算法具有较高的求解精确度;在偏远地区,相对于传统卡车配送模式,无人机配送成本平均节约61.45%。     

二进制布谷鸟搜索算法

为了寻找求解NP完全问题的新算法,采用二进制编码串表示鸟巢的位置,对布谷鸟寻找新鸟巢的Lévy飞行路径分别按照Kennedy和Eberha公式及刘建华公式进行二进制代码变换,引入二进制编码控制系数对变换得到的二进制编码进行混合更新,保留布谷鸟蛋被淘汰的机制等方法将新型高效的布谷鸟搜索（CS）算法改进为二进制布谷鸟搜索（BCS）算法。将BCS算法用于求解背包问题,结果好于遗传算法和几种混合遗传算法;将BCS算法用于求解旅行商问题,结果好于遗传算法、蚁群算法和微粒群算法,但略差于改进的惯性权重自适应调整微粒群优化算法。二进制布谷鸟搜索算法是求解NP完全问题的新型高效算法。     

求解广义优先关系下多技能人员项目调度问题的改进布谷鸟搜索算法

为解决传统的完成-开始时序不能满足描述真实项目调度顺序要求的问题,引入广义优先关系(GPRs)及改进的AON描述任务的时序约束。提出将布谷鸟搜索算法应用于求解广义优先关系下的多技能人力资源项目调度问题(MS-RCPSP/GPRs)中的构想,建立了基于改进布谷鸟搜索算法(ICS)的求解方法,采用Powell局部改进技术和精英保留策略,并给出了算法流程。基于相关案例生成器生成该问题的数据集,实验结果表明ICS是一种求解MS-RCPSP/GPRs的有效方法,对解决实际问题具有重要意义。     

基于改进麻雀搜索算法的多无人机任务分配

针对异构多无人机任务分配不合理、速度慢的问题，在经典麻雀搜索算法的基础上引入Logistics混沌初始化，并利用Pareto最优解求解多目标优化问题，加快算法前期的求解速度并避免算法陷入局部最优。利用多种算法研究同一场景下的无人机完成目标任务，通过改变其数量并进行任务分配，使用改进麻雀搜索对算法结果进行对比，结果表明改进麻雀搜索算法在解决多无人机任务分配时的速度和精度都有明显提高。     

基于新型栅格启发式算法的矿井机器人路径规划

在传统正方形栅格地图中,存在机器人遇到障碍物时沿对角线方向移动易与障碍物碰撞,其绕障和平稳性等方面的能力较差且实时探测过程中每步消耗的时间无法唯一确定等问题。针对上述问题,提出了以正六边形栅格化的工作环境为基础,采用改进的启发式路径搜索算法对多个并行移动的矿井机器人进行路径优化的方法。从绕障转角、绕障能力及最优路径3个方面,对单个机器人在正方形和正六边形栅格建模环境中的运动性能进行比较分析,结果表明:就单个机器人来说,正六边形栅格地图下的路径长度代价小于正方形栅格地图的路径长度代价;从单个机器人的路径规划来看,正六边形栅格地图更有利于获得最短路径,从而得出正六边形栅格比传统正方形栅格更适合于机器人工作环境的建模。针对多个协同操作的机器人并行移动的路径规划问题,在正六边形栅格化的工作空间建模基础上,采用改进的启发式路径搜索算法对多个机器人的路径进行优化:采用改进的启发式估计函数规划多个协同操作的机器人路径,该函数决定了当前机器人所在位置周围所有相邻栅格中哪一个即将被机器人遍历。依据机器人已经遍历的栅格数和候选栅格与该机器人目标栅格之间的变形曼哈顿距离,该启发式估计函数可评估出相邻栅格的适应度值。仿真结果表明:正六边形栅格地图在路径总长及算法运行时间上均比正方形栅格地图减少了10%以上,且有效避免了机器人与静态障碍物之间及机器人之间发生碰撞,提高了机器人的安全性;随着机器人数量的增多,改进的启发式路径搜索算法对正六边形栅格地图的机器人路径和算法运行时间的优化作用更加明显。     

作业车间调度问题的布谷鸟搜索算法求解

布谷鸟搜索算法是一种新型元启发式优化算法,该算法受到自然界中布谷鸟的巢寄生行为启发而提出。首先分析了布谷鸟搜索算法的仿生原理和数学描述,采用基于工序的编码方式对最小化最大完工时间的作业车间调度问题进行布谷鸟搜索算法求解。通过典型算例进行仿真实验,测试结果表明布谷鸟搜索算法求解作业车间调度问题的可行性和有效性,优于萤火虫算法和基本粒子群算法,是解决生产调度问题的一种有效方法。     

基于LPN-DE与适应度拍卖的多机器人路径规划

在RoboCup环境下,针对多机器人的路径规划和任务分配,将LPN-DE方法和组合拍卖法有效结合,综合考虑多机器人的避障、路径规划和角色分配,提出了完整的实现方法和动态模型,并在RoboCup中型组机器人上验证了该方法的实用性和有效性。     

存在整数约束的分布式驱动变体飞行器控制分配

针对一类含有整数控制约束的分布式驱动变体飞行器在线控制分配问题,提出了一种基于布谷鸟搜索算法的求解策略.首先,考虑到指令分配误差以及作动器的损耗,将飞行器在线作动器控制分配问题表示为一类整数规划问题.然后,设计改进的布谷鸟搜索算法求解作动器的控制指令,采用Tent混沌映射初始化种群、自适应的步长控制量等措施提高算法的搜索效率.最后,将提出的控制分配方法应用于一类新型操纵面飞行器,仿真结果验证了该方法的有效性.     

一种多机器人任务规划算法及其系统实现

针对多机器人任务规划问题,提出了一种蚁群集中式规划方法,建立了任务分配和路由规划的蚁群算法描述模型,并利用局部搜索策略改进了蚁群算法分配效果,实现了多机器人集中任务规划系统.利用该系统平台,进行了大量的实验分析.结果表明,蚁群算法能有效解决多机器人任务规划问题,为多机器人协作机制提供了新思路.     

多机器人覆盖技术研究进展

系统地总结了当前覆盖问题的定义、分类和应用前景.对多机器人覆盖中关于通信、环境地图、路径规划算法及效果评价等方面的研究进展情况进行了阐述.分析并指出若干多机器人覆盖研究中的重点和难点问题:体系结构、通信技术、协商协作、地图表示、路径规划及效果评价,并对未来的研究发展方向进行了探讨.     

大规模AGV的改进时间窗路径规划

在机器人路径规划中,A*算法搜索路径时存在大量冗余节点,随着任务量增加,其搜索效率也会急剧下降,因此无法适应大规模任务下的路径规划。为此提出一种改进时间窗的有界次优A*算法用于求解大规模自动导引车（automatic guided vehicle,AGV）路径规划问题。算法使用时间启发式,并在搜索过程中采用时空搜索,规划无冲突的最优或次优路径。算法主要进行了三处改进：采用时间启发式,缩短了路径时间;采用动态时间窗算法,避免多次路径规划;优化了聚焦搜索算子,降低负反馈。通过MATLAB实验结果证明改进后的算法在进行多机器人路径规划时,能快速有效地规划出无冲突的平滑次优路径,搜索效率高,稳定性强。     

面向多机器人动态任务分配的事件驱动免疫网络算法

为实现多机器人系统的动态任务分配与协作,提出了一种面向多机器人动态任务分配的事件驱动免疫网络算法。将生物免疫网络的工作机理应用到多机器人动态任务分配算法中,借鉴Jerne的独特型免疫网络假说和Farmer提出的抗体激励动态方程,设计了多机器人任务分配与自主协作模型;基于事件驱动机制,设计了多机器人动态任务分配算法,并引入焦躁模型来解决任务死锁问题。仿真和实际多机器人系统实验结果表明,基于本文算法的多机器人系统在动态任务场景中具有较强的适应性和自主规划协调能力。     

基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

基于三维时空地图和运动分解的多机器人路径规划算法

针对当前多机器人路径规划策略中存在的路径耦合性高、总路径长、避碰等待时间长等缺点，以及由此导致的系统鲁棒性低、机器人利用率低等问题，提出了基于三维时空地图和运动分解的多机器人路径规划算法。首先，根据已有路径集和当前机器人的位置生成时间维度上的动态临时障碍物，将其与静态障碍物一并拓展为三维搜索空间；其次，在三维搜索空间内，将路径运动总时间拆分为运动时间、转向时间和原地停留时间这三个参数，并使用条件深度优先搜索策略计算出从起始节点到达目标节点的所有符合参数要求的路径集合；最后，遍历路径集合中的所有路径，对于每条路径，计算其实际总耗时。如果某一路径的实际总耗时和理论总耗时之间的差距小于规定的最大误差，则可认为该路径为最短路径，否则，继续遍历剩下的其余路径；而如果路径集合中所有路径的实际总耗时和理论总耗时之差全都大于最大误差，则需要动态调整参数，然后继续执行算法的初始步骤。实验结果表明，所提算法规划的路径具有总长短、运行时间少、系统无碰撞、鲁棒性高等优点，解决了多机器人系统完成持续随机任务的问题。     

改进布谷鸟算法求解双资源约束柔性车间调度问题

针对双资源约束的柔性车间调度问题（DRCFJSP）,以优化最大完工时间为目标,设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配,还需要兼顾工人的加工情况,所以改进了传统解码方式以避免机器和工人在加工时间上的冲突,同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下,将布谷鸟种群随机划分为三个子群,每个子群采用不同Lévy飞行方式独立进行寻优,并通过差分算子实现子群间信息交流,不仅增强了算法的全局搜索能力也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比,验证了改进布谷鸟算法和改进解码方法的有效性优越性。     

参数动态调整的自适应布谷鸟算法

为提高布谷鸟算法的收敛速度和求解精度,提出了一种基于自适应机制的改进布谷鸟算法。该算法在迭代初期和末期分别使用两种自适应策略来动态调整步长和发现概率,提高了算法的局部和全局寻优能力。利用10个标准测试函数对基本布谷鸟算法、所提出的改进算法以及其他智能优化方法进行了仿真对比验证,结果表明所提出的改进布谷鸟算法在求解精度、稳定性以及收敛速度上都具有一定优势。