改进的优化算法用于移动机器人路径规划

针对当前机器人路径规划算法存在局部最优问题,提出了一种改进的移动机器人路径规划算法。该算法采用改进的人工势场算法产生初始化种群,改进的遗传算法引入了新的适应性函数和"翻转变异"算子、进行全局路径优化。适应性函数包括路径点的适应度和路径的适应度,提高了适应性函数的评价性能。"翻转变异"使障碍物路径变为自由路径,使移动机器人顺利绕过障碍物。克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率。实验结果表明该算法在移动机器人路径规划中的可行性和有效性。     

求解寻址多旅行商问题的改进单亲遗传算法

为了解决非预先指定起点的单起点、闭回路且目标函数最长、路径最短的多旅行商问题,提出一种融合杂草算法繁殖机制的可寻址混合单亲遗传算法.该算法首先给出了一种新的编码方式,可在种群初始化时产生含有随机配送中心的个体,同时算法采用杂草算法的繁殖机制产生子代,从而加快收敛速度;然后采用改进的单亲遗传操作对路径进行寻优;最后采用混合选择算子对群体进行求解精度选择,避免算法陷入早熟收敛.为验证所提出的改进算法的有效性,采用Matlab对TSPLIB数据库中若干不同规模的实例进行仿真.实验结果表明,该算法在寻找最佳配送中心和最短路径方面具有良好的性能,且能在旅游路径规划问题上得到良好的应用.     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

多策略蚁群算法求解机器人路径规划

针对基本蚁群算法的缺点,提出用多策略的蚁群算法求解机器人路径规划问题.采用栅格法建立机器人全局路径规划工作空间模型,进行两次凸化改进处理.提出惩罚策略,并配合使用保健算子策略、治病算子策略,同时引入遗传算子策略、精英蚂蚁策略和最大最小蚂蚁策略.介绍在Matlab环境下编程实现的方法及步骤,求解100个栅格点的路径规划问题,得到最优距离为15.070.仿真结果表明,即使在复杂的地形环境中用本算法也可迅速规划出令人满意的最优路径.     

基于改进遗传算法的移动机器人路径规划的研究

为改进标准遗传算法在路径规划问题中存在的初始种群可行性问题、标准遗传算子在路径规划问题上的局限性问题,文中提出了一种改进的遗传算法。首先,将环境地图转换为栅格地图,在初始种群的生成过程中加入偏移机制;然后,把人工势场算法和偏移机制分别引入交叉算子和变异算子中;最后采用动态参数的方法控制算法的遗传参数,通过改进的遗传算法对地图模型进行仿真及其求解。根据实验结果,充分验证了本文算法的有效性和实用性。实验结果明确证明了改进的算法可以很好地解决路径规划问题,为机器人的路径规划提供了一定的指导作用。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

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.     

基于改进遗传算法的机器人路径规划

路径规划是移动机器人领域中的重要问题之一。传统遗传算法在寻找最短路径时容易陷入局部最优,为了缩短机器人运动路径长度和提高避障性能,本文提出一种免疫克隆自适应遗传算法,该算法结合了免疫克隆算子、自适应算子从而提高解的质量,设计栅格模型,给出适应度函数用于计算机器人路径长度,并针对复杂的二维路径编码问题,设计一维路径编码方式。在仿真实验中针对不同障碍物数量对免疫克隆自适应遗传算法和粒子群算法、模拟退火算法进行对比,结果显示:当障碍物数量提高至20时,免疫克隆自适应遗传算法优化过的路径长度与粒子群算法与模拟退火算法相比分别降低了5.99%和11.04%。因此,本文提出的免疫克隆自适应遗传算法可减少路径寻优时间,有效提升机器人路径规划的效率。     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

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.     

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。     

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.     

基于改进差分进化算法的无人机在线低空突防航迹规划

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性.     

机器人路径规划的一种改进蚁群算法

介绍了一种静态环境下机器人路径规划的改进蚁群算法。该算法使用栅格法对机器人的工作空间进行建模。搜索过程采用了蚂蚁落入陷阱回退策略和蚂蚁相遇策略,从而避免了遇到陷阱时形成的路径死锁情况,同时也提高了最优路径的搜索效率。仿真研究表明,该算法能明显改善路径规划性能,并且算法简单有效。     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明:文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.