动态拓扑网络最短路径启发式算法

针对动态拓扑网络的最优路径规划中存在的问题,研究了最短路径搜索算法的快速实现技术,提出了一种启发式快速最优路径规划算法.在分析经典迪杰斯特拉最短路径搜索算法和A*启发式搜索算法的基础上,利用椭圆曲线参数设定启发函数初始值,进一步缩小搜索范围.采用二叉堆结构来实现路径计算过程中优先级队列的一系列操作,从而提高了算法的执行效率.仿真试验结果表明该算法具有良好的性能.     

基于改进A*算法的移动机器人路径规划研究

A*算法广泛应用于移动机器人路径规划中，而传统A*算法在寻路时，普遍存在搜索时间较长、效率低下等问题，因此，采用双向搜索的方式，对传统A*算法加以改进，该算法在路径规划过程中，可同时进行正反向路径搜索，同时采用正反向搜索交替机制，保证了最终目标节点搜索在连线中点区域内相遇，从而缩短了寻路计算时间。在MATLAB平台上，针对改进后的A*算法进行仿真实验，结果证明，双向A*算法减少了规划时间，且可生成最优路径。最后，将该算法应用到基于开源机器人操作系统的Turtlebot2移动平台上，进行现场实验，实验结果表明，双向A*算法减少了寻路计算时间，从而使得路径搜索效率得到显著提升，且规划路径合理，满足路径规划要求。     

基于分层路网的路径规划算法

为了提高路径规划的效率,提出了一种基于分层路网的二叉堆管理开启列表启发搜索算法。首先根据路网分级特点的存在,建立分层地图数据库,然后以启发式A*算法为主搜索方式,结合优先队列二叉堆来管理开启列表,完成路径规划。通过实验对比不同路径规划算法的平均耗时显示：启发式A*算法的效率是盲目式Dijkstra算法的4倍左右,同时在算法中引入二叉堆至少节省5%的规划时间。分层策略使快速路段所占比例达到90%以上,且将路径规划耗时控制在3s以内。实现结果表明,所提算法具有很高的运行效率,同时能满足驾驶者多走快速路段的行车心理。     

基于 A* 算法与自适应分片的大规模最优路径规划

路径规划引擎是在线地图系统中一个至关重要的部分,静态路径规划算法是重中之重。现有的对A*算法的改进主要是通过预处理算法,对路网数据进行静态分层预处理,其效率过低。文章提出了一种自适应分层的思想,同时对A*算法的启发式函数进行改进,引入了方向引导函数,使得A*算法在日常路网上的可用性有了较大的提高。实际的路网实验表明,提出的算法的搜索效率、效果均优于同类算法,与标准层次A*算法相比,文章算法的搜索空间降低为原来的42%,搜索时间仅为原来的13%。     

基于启发式算法的路径规划

对路径规划中的最优路径选择算法进行了研究.目前广泛采用的A*最优路径规划算法,在实际的执行过程中容易陷入“死循环”,并且其找到的路径并非最优路径.为了提高最优路径规划的准确度和寻优速度,在分析了基本的A *算法的基础上,提出了一种双向A*递归算法,主要通过加入搜索方向因子,充分利用硬件资源和并行编程技术,克服原有A*算法的缺点.最后通过实验和对比证明,双向A *递归算法充分利用双核CPU并行工作的优势,结合并行算法设计,并改进了估价函数模型,大幅提高了算法的性能和运行效率,特别是在大规模路径图搜索的情况下,体现了它的实用性.     

结合负载均衡与A*算法的多AGV路径规划

针对目前大规模应用场景下多AGV运行路网的局部拥塞防止和负载均衡问题,提出了使用负载均衡改进的A*算法进行路径规划的方法。在计算AGV运行代价时,摒弃了传统A*算法只考虑单一运行路程的评价函数,引入了运行路程结合区域负载作为新评价函数的方式。在几乎不增大运行路程的前提下,实现了AGV运行路网的区域负载均衡。采用了单向多入多出以及双向多入多出路网模型进行仿真验证,改变路网规模以及负载系数进行多次仿真实验,结果表明改进算法可以有效地均衡路网负载,极大提高了AGV系统整体运行效率。     

一种基于道路网络层次拓扑结构的分层路径规划算法

鉴于平面最短路径算法应用于大规模网络规划中的效率不高,而分层算法引入"分而治之"策略,则能有效解决此难题。为了利用分层算法进行路径规划,首先研究了分层算法的数据基础——道路网络层次拓扑结构,其涉及基于道路等级的路网分层抽象、道路数据分区组织、以区域为单位的路网层次拓扑关系模型;接着提出了一种适用于LBS(基于位置的服务)的分层路径规划算法。该算法先通过距离值判断是否切换到上一层;然后利用启发式A*算法搜索入口和出口;最后使用双向策略搜索层内两点之间的最短路径。利用现实道路网络进行的实验分析结果表明,该算法能从本质上提高大规模网络中路径规划的效率。     

A*算法在Shortest-Path方面的优化研究

在游戏和地理信息系统开发等领域中,专门针对最短路径搜索方面的优化研究较多,尤其是最短路径中启发式搜索算法中的A*算法的效率优化研究.本文将针对在人工智能或算法研究中的使用的地图大多数是基于任意图而不是网格图的状况,通过任意图与网格图及方向的相结合,提出了三种优化A*算法的启发式函数搜索策略,较好地减小了算法搜索的范围和规模,有效地提高了A*算法的运行效率.最后的实验结果显示,与传统的A*算法相比较,优化启发搜索策略后的A*算法寻径更快速,更准确,计算效率更高.     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

基于Petri网和人工势场的柔性制造启发式优化方法

制造系统优化调度是NP难组合优化问题,而自动导引车(AGV)路径规划与任务分配紧密耦合,又极大加剧了问题的复杂性.基于此,提出一种基于Petri网和人工势场的启发式优化方法.首先,将制造系统的工艺工序描述为一个任务Petri网,将AGV系统描述为一个路径Petri网,将两个网合成在一起;然后,利用Petri网的拓扑结构,为网络结点设计势能参数,从而为Petri网赋予一个人工势场;接着,利用人工势场设计制造系统加工时间的启发式函数,并构建Petri网人工势场启发式A*算法,其中包括最大势差启发式函数和总体势差启发式函数,并验证最大势差启发式函数是可采纳的;最后,进行两组数值实验,实验结果表明,最大势差A*算法能够得到最优解,且平均计算效率比Dijkstra算法提高57%,但是无法满足大任务量的调度需求,而总体势差A*算法比最大势差A*算法平均计算效率提高至少1个数量级,能够在有限时间内求解AGV任务分配和路径规划的联合问题.     

A*算法在矢量地图最优路径搜索中的应用

在交通地理信息系统应用中,如何既快速又准确地找到最优路径是一个关键的问题.将人工智能领域的A*算法引入到矢量地图的最优路径搜索中来,论述了应用于矢量地图最优路径搜索的A*算法是一种完备的算法.同时,针对交通矢量地图的特点,提出了一种将矢量地图本身节点的数据结构和A*算法需搜索的节点数据结构在索引时相互联系,在计算时又相互分离的策略,提高了A*算法的执行效率.实验表明这种改进数据结构的A*算法在准确性和快速性方面都取得了令人满意的效果.     

复杂装配体多层次装配路径规划研究

针对传统装配路径规划方法应用于复杂装配体时出现的组合爆炸问题,提出了一种基于人机交互的改进A-Star(A*)算法多层次装配路径规划方法。算法在传统启发式路径规划算法的基础上引入了干涉威胁概率、平滑度代价、权重系数参数,实现了算法不同侧重方向的最优路径寻找。算法首先根据基于人机交互的路径规划方法结合操作者的装配经验将复杂装配体划分为多个装配层次段,其次对各层次段中的装配零部件运用改进A*算法求解最优拆卸路径,并最终根据路径反演原则生成整个复杂装配体最优装配路径。结合算法仿真对比与KUKA工业机器人路径规划实例验证,得出上述方法较传统启发式路径规划方法提升了路径规划效率,满足了工业生产中复杂装配体自动路径规划需求。     

一种改进的分层路网的路径规划算法应用

为了提高路径规划效率,提出一种改进的分层路网的路径规划算法。首先,城市路网进行分层处理,以经典A*算法为核心,在高层路网上使用改进机制,评估函数做相应调整,然后,对其权值设置上下限阈值,提高算法的搜索精度及搜索效率。实验结果表明,规划的路径并非Dijkstra算法的最短,但是改进的算法使快速路段所占比例达90%以上,实际运行最优。     

应用于机器人路径规划的双向时效A*算法

针对时效A*算法为了大幅减少算法时间,导致路径规划长度增加和路径锯齿过多的问题,提出一种改进的双向时效A*算法,该方法将从起点和终点同时运行时效A*算法寻找路径,并采用多近邻栅格距离计算方案;同时,根据不同环境地图对传统A*算法、时效A*算法和双向时效A*算法运行结果进行对比研究及分析;最后,制定算法时间、路径长度两个指标来评判算法的优劣。实验结果显示,双向时效A*算法相对于传统A*算法,算法时间最大减少76.8%,相对于时效A*算法,时间最大减少55.4%,并解决了时效A*算法规划路径距离增加、路径不够平滑的问题。     

基于A*算法的三维地图最优路径规划

研究了基于A*算法的适合人步行行走的山地环境下三维地图最优路径规划算法及实现.本文考虑了三维山地无路网信息覆盖的条件较差环境,对A*算法进行改进,并利用三维地形DEM数据计算出一条相对平缓且长度较短的三维路径.改进算法对三维条件下路径最短的评价标准由原有的空间距离累加最短改进为先将空间等效成水平距离,再计算距离是否最短.同时,本文充分考虑了搜索点周围环境的整体坡度信息作为启发信息,来降低算法寻找的路径走在陡坡上的概率.实验表明,本算法最终计算出的三维最优路径在平缓度及路径最短上有所改善,基本符合人步行行走的习惯.     

改进A*算法在游戏地图路径搜索中的应用研究

路径搜索是许多游戏的核心组成部分,路径搜索的算法有很多,不同的搜索算法有其不同的搜索策略、时间效率、空间消耗与应用场合.本文通过对A*算法的分析与研究,找出不足并进行优化和改进.使用最小二叉堆来优化A*算法对OPEN表的遍历,提高计算速度;通过引入以向量夹角余弦作为新启发式信息,减少计算过程中产生的无用节点,提高算法效率.最后通过仿真实验对标准A*算法、Dijkstra算法、改进A*算法进行数据分析比较,有效表明了本文所提算法的准确性和高效性.     

一种面向城市复杂路网最短路径提取的定向收敛算法*

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与Dijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。     

双向搜索机制的改进A*算法研究

针对大规模环境下传统A*算法路径寻优存在的内存占有率高、计算效率低下的问题,提出了一种改进A*算法。引入了双向搜索机制,以原始起点、终点和对向搜索所处的当前节点作为目标点进行搜索操作,使AGV的路径寻优具备更加合理的方向性;优化评价函数,改进了评价函数的传统计算方式,通过测试为评价函数选择了合适的权重系数,减少路径寻优过程中的冗余点,提升路径寻优的计算效率,节约内存占有率。为了验证改进A*算法的有效性,在Matlab平台中进行编程,在不同尺寸的含障碍栅格地图中进行了仿真。仿真结果表明：改进A*算法在路径寻优过程中所遍历的节点数量较少,搜索过程中的计算效率更高,并且可获得到达目标点的最短路径。     

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。     

一种基于改进A~*算法的限制搜索区域的路径规划方法

本文根据已有A*算法,给出了一种改进的最优路径规划算法,此算法在根据道路的实际情况对路网进行分层的同时,根据实际路网的拓扑特性对搜索区域进行合理的限制,实验证明此算法在进行路径规划时节省了时间。