基于启发式搜索算法的扫地机器人路径规划

扫地机器人逐渐进入到越来越多的普通家庭,这对扫地机器人的路径规划和定位水平提出了更严格的要求。文章在目前已成熟的栅格法、子区域划分法、模板模型法基础上,提出了一种新的扫地机器人基本路径规划方案,并基于启发式搜索算法对该方案加以实现。该方案通过建立一个二维栅格地图并结合适当的子区域划分方法,将全局清扫问题转化为子区域清扫问题以使清扫更高效、便捷;再通过构造合理的评价函数及利用传感器设立沿边清扫机制对基本方案进行优化。基本路径规划方案与启发式搜索算法、沿边机制结合后,解决了机器人在各子区域之间转移带来的高重复率、复杂路径的寻路低效率、不规则障碍物周围清扫低覆盖率等问题。该方案使扫地机器人在整体清扫工作上覆盖率能达到99%,重复率能控制在10%~18%。     

机器人自动绘制地图的一种简单算法

采用基于栅格的地图表示方法,对机器人自动测绘未知区域地图的问题进行了研究.通过分析不同情况下的测绘需求,提出了一种新的算法,即利用地图栅格化和单步探测性价比的最优化来确定导航路径,从而实现机器人自动绘制未知区域地图的功能.仿真实验表明,该算法简洁、实用、可靠,并且可提高测绘的效率.     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于二进制粒子群算法的移动机器人路径规划

由于用PSO进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径,使算法受到一定的局限性.为此,研究了一种全新的基于栅格法的机器人路径规划二进制粒子群算法.首先用栅格法描述机器人工作环境,在此基础上,将机器人路径表示为粒子位置的二进制编码,并以路径长度为适应值,产生初始种群后,再对粒子位置和速度进行更新,经过多次迭代,即可获得从起始点到目标点的一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,计算机仿真实验证明了该方法的有效性和先进性.     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

移动卫星网络中卫星切换调度研究

针对卫星切换调度问题,提出了一种最大服务时长切换调度算法. 该算法利用了现有的GPS基础设施和卫星网络中卫星的多样性(即在任意时刻多颗卫星覆盖相同的区域),减少了用户在通信过程中的切换次数,从而最终降低了用户的掉话率,实现了用户在低轨(LEO)卫星网络中实时高效的切换. 在Iridium卫星网络中的仿真结果验证了该算法的有效性.     

改进的多机器人协作探索策略研究

提出了一种基于Wolfram Burgard方法改进的多机器人未知环境协作探索策略.该策略分别从以下3个方面提出相应的改进措施:为了减少重复探索区域和重探索的次数在代价值计算模型中加入了重复探索路径的影响因素;为了使各机器人始终保持通讯,在效用值计算模型中加入了有限范围通讯的影响因素;为了提高算法的实时性提出了一种全局规划与局部规划相结合的改进算法.仿真实验结果验证了该改进方法的有效性及相比于Wolfram Burgard原始方法具有以下优势:重复探索区域的重探索次数显著下降;机器人间能保持合理的间距以保证通讯不发生中断;算法的实时性有明显的提高.     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

移动卫星网络中卫星切换调度研究

针对卫星切换调度问题,提出了一种最大服务时长切换调度算法.该算法利用了现有的GPS基础设施和卫星网络中卫星的多样性(即在任意时刻多颗卫星覆盖相同的区域),减少了用户在通信过程中的切换次数,从而最终降低了用户的掉话率,实现了用户在低轨(LEO)卫星网络中实时高效的切换.在Iridium卫星网络中的仿真结果验证了该算法的有效性.     

改进蚁群算法在机器人路径规划中的应用

机器人路径规划是机器人技术研究中的一项关键技术。针对蚁群算法在求解机器人路径规划中准确性不高以及求解时间长的问题,提出了一种基于改进蚁群算法的机器人路径规划方法,采用栅格法构建了相应的数学模型。为了提高蚁群算法的全局搜索能力,防止算法早熟收敛,在状态转移规则中引入了随机策略;同时引入了基于狼群分配的策略来更新启发式信息,这样可以进一步提高算法的收敛速度。实验结果表明,改进的蚁群算法具有更强的全局寻优能力,求解时间更短,它可以有效地求解机器人路径规划问题。     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

改进粒子群算法的工业机器人几何参数标定

针对传统粒子群(PSO)算法在解决工业机器人几何误差标定问题中存在的收敛速度慢的缺点,提出了一种基于两段式的动态粒子群算法(LDPSO-BT)。用Denavit-Hartenberg方法建立工业机器人的误差模型,将几何误差标定问题转换成对高维非线性方程的求解;对粒子群数目进行线性递减,同时针对算法求解过程中粒子数目线性递减的特点,在改进粒子群算法迭代后期采用改进的搜索模式,对传统粒子群的速度迭代公式进行改进;仿真实验对比了工业机器人几何误差标定前与标定后两种算法的末端定位精度。实验结果表明:在采用粒子群算法辨识工业机器人实际几何参数的过程中,粒子群数目对算法的迭代时间有重要影响,通过线性递减的方式减少粒子群的粒子数目可以有效地减少工业机器人几何误差标定时间,同时在粒子群算法迭代后期采用改进的速度迭代公式可以确保收敛精度。与传统粒子群算法相比,使用改进后的粒子群算法,不仅可以有效减少工业机器人的定位误差,而且还拥有更高效的迭代效率。     

一种无线传感器网络二维目标覆盖的改进方法

针对二维目标覆盖问题,提出了一种新的量子退火算法,设计了相应的系统模型,并给出了覆盖优化的目标函数。因为以往的启发式算法存在运行停滞等问题,所以为量子退火算法设计了全新的解集生成方式、量子旋转门、量子位测量方法和量子位状态更新方法,加快了算法的收敛速度。将基于量子退火算法的方法与粒子群算法、蚁群算法进行了仿真比较。仿真结果显示,相比粒子群算法与蚁群算法,该量子退火算法能够有效地提升解的质量,检出的目标数有较大幅度的提高。     

基于投影网格算法的海面波浪模拟

针对海面波浪模拟中实时性与渲染效果无法同时兼顾的难题,提出了一种基于投影网格多细节层次的低采样频率算法。先用投影网格算法对海面建模,生成一个海平面网格,同时在近视点处降低采样频率,解决网格过密所造成的海面网格走样问题;再采用快速傅里叶变换计算海面高度场,为海面添加波浪;最后结合纹理动画技术和Normal Mapping算法添加海面纹理,并分三次对纹理进行采样,来增强海面的水纹细节,建立了具有高真实感的动态海面波浪模型。实验表明,该方法减少了计算量,具有实时性;还模拟了海面的细微扰动,提升了算法渲染的逼真度。     

视点相关的实时多分辨率地形显示算法

多分辨率地形技术是实时绘制复杂地形的最有效的工具.在对以往各种算法进行研究的基础上,提出了一种基于二叉树的多分辨率地形优化方法,同时综合考虑视点对节点分辨率的影响;提出了适合于视点变化的节点评价函数,同时改进了裂缝的消除方法.算法对节点的层次细节给予了精确的描述并提高了执行效率.算法在绘制速率和地形真实性之间作了良好的折衷,也符合视点变化的特点,提高了地形的渲染速度,达到了实时交互的目的.     

一种改进的无线传感器网络三维K覆盖控制方法

针对三维无线传感器网络最坏情况覆盖问题,提出一种基于概率和网络最坏情况覆盖的三维传感器网络节点K覆盖方法,该方法先对三维待监测区域以网格划分,然后将前K(K为覆盖度)个传感器节点放置在网格点后,分别求取这K个节点的最大突破路径,在路径的公共点上依次放置传感器节点,直到每个网格点以预设的概率达到K覆盖为止.该方法能够减少网络资源.仿真表明,该方法与原基于概率的K覆盖方法比较,能用较少的节点满足相同的覆盖度.     

群机器人目标搜索中的通信模式研究

针对目标搜索过程中的群机器人协作问题,以扩展微粒群算法为建模工具和协调控制工具,比较研究同步和异步通信模式对搜索效率和系统能耗的影响。仿真结果表明,对于同等规模的群机器人系统,异步通信模式下的搜索效率比同步通信模式下高,能耗却比同步通信模式下低。因此,对于分布式协同的群机器人施加并发控制时,异步通信模式更为适合。     

海量数据的网格启发信息密度聚类算法

提出了一种基于网格密度的混合聚类算法。该算法使用平方误差密度函数作为密度评估标准,避免了传统密度算法由于Eps和MinPts设置不当给聚类效果带来的不稳定因素。提出了动态邻域半径策略,解决了传统密度算法采用全局静态邻域半径造成的聚类偏差问题。对空间区域内的所有结点设置网格密度启发信息。在进行数据结构构造和邻域半径计算时,只需计算对应网格区域内结点,从而降低了计算成本;在进行区域查询时,只选择符合条件的代表对象进行扩展,从而减少了查询次数,节省了程序运行时间。对Pendigits数据集和SE-QUOIA 2000数据库进行测试,结果表明:提出的基于网格密度的混合快速聚类算法在海量数据聚类精度、聚类时间以及聚类稳定性上要优于传统的聚类算法。     

基于分层优化的飞行器实时航迹算法研究

针对飞行器的实时航迹规划问题，提出了一种基于分层优化的算法。首先根据启发代价函数预测下一个临时目标点的位置；其次通过一个有限项的多项式来逼近三维航迹在水平面内的投影，将航迹规划问题转化为多项式的系数寻优问题，利用微粒群算法进行优化搜索；最后结合逐次松驰法将所得航迹调整为可行航迹。用Matlab进行了仿真验证，证明了算法的有效性。