基于语义分割网络的 AGV 路径规划算法

针对基于栅格地图的路径规划技术在面对大地图、高分辨率地图的情况下，存在的规划速度慢、内存占用高的问题，提出一种基于语义网络的网络搜索算法。首先使用语义分割网络对栅格地图进行预采样，其次通过图像学膨胀拓宽最优路径形成最优路径范围，增强算法鲁棒性，最后利用语义网络的特征图指导搜索算法规划，加快了高分辨率栅格地图的路径规划的速度。实验仿真表明，网络搜索算法较传统搜索算法，时间平均缩短72.5%,遍历点数平均减少51.6%,路径长度平均延长0.73%,网络搜索算法可以有效加快路径搜索速度，减少内存占用。     

Autonomous Variable‐Resolution Map Building for Mobile Robots in Unknown Environments

This paper presents a method that allows simultaneous map building and path planning for mobile robots in unknown environments. A graphical representation of a workspace in variable resolutions is constructed using measurement data obtained by omnidirectional distance sensors. At the same time, a search for a feasible path to the target destination is executed using the constructed graph map. The proposed method is evaluated by performing simulations and experiments using an omnidirectional mobile robot equipped with laser range finders. © 2013 Wiley Periodicals, Inc. Electr Eng Jpn, 186(4): 59–69, 2014; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.22493     

室内移动机器人的三层规划导航策略

针对室内移动机器人导航问题，提出一种包括全局规划层、局部路径优化层、反应式导航．控制层的导航策略。根据已知环境建立全局拓扑地图，为机器人提供全局导航信息；根据机器人当前位置，从全局地图中提取信息生成采用有向线段描述的局部地图，在机器人运行过程中，不断利用传感器信息更新局部地图，并根据图中有向线段之间的拓扑关系获得机器人的局部路径点，机器人采用传感器信息、地图信息、历史轨迹信息的反应式导航方法趋向局部路径点。仿真试验表明，导航策略可以产生优良的运行轨迹，并确保机器人在复杂环境中安全运行。     

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

基于改进RRT-Connect算法的机械臂运动规划

针对双向快速拓展随机树(RRT-Connect)算法在多障碍物复杂环境下算法收敛速度慢、搜索效率低、采样具有随机性等问题，提出一种基于椭球子集采样的RRT-Connect算法，首先在传统的RRT-Connect算法的基础上，结合目标偏执采样策略和椭球子集采样的优势，构造一种新的采样方法，对采样区域进行约束，在此基础上找到从起始点到目标点的最优路径点集合，并将该路径作为初始路径，通过引入基于三角不等式的路径修剪算法，在迭代过程中对路径不断优化，得到一条从起始点到目标点的代价小、无碰撞路径，最后结合五次多项式差值算法进行路径优化，生成一条路径平滑且曲率连续的优化路径，从而使机械臂沿着该最优路径快速、准确、稳定的到达目标点。实验结果表明，对比原始的RRT-Connect算法，平均规划时间效率提高了30.5%、平均采样点减少了76.74%、平均路径长度缩短了13.22%,该算法在规划过程中收敛速度更快、搜索效率更高、路径优化效果更显著。     

改进QPSO和Morphin算法下移动机器人混合路径规划

为了提高机器人在复杂环境下路径规划的能力,提出了一种基于改进量子粒子群优化算法(QPSO)和Morphin算法的混合路径规划方法。利用栅格地图建立环境模型并确定起始点和目标点,通过引入自适应局部搜索策略和交叉操作对QPSO进行改进规划出一条最优的全局路径,机器人根据全局路径行走,当发现未知静态或动态障碍物立即调用Morphin算法进行局部路径规划,避开障碍物后回到原全局路径上继续行走至目标点。该混合路径规划方法的有效性和可行性通过Matlab仿真和实际应用得到很好地验证。     

基于 ISMA 的多点遍历路径规划方法

针对移动机器人在遍历多目标点的路径规划中存在路径较长且不平滑等问题,本文提出一种基于ISMA的多点遍历路径规划方法。首先,结合Singer映射和小孔成像反向学习策略改进标准黏菌算法(SMA);然后初步构建地图,使用ISMA规划路径,以确定三角网格最大边长的最优值;最后,基于三角网格最大边长的最优值重新构建三角网格地图,使用ISMA生成路径,并通过B样条函数对路径进行光滑处理,提升路径平滑度。基准函数测试结果表明,ISMA收敛速度更快,寻优精度更高。三角网格地图上的路径规划实验表明：ISMA规划的路径长度和平滑度明显优于SMA、SSA和WOA,与SMA、SSA和WOA相比,在较复杂的场景中ISMA生成路径的长度依次减少了6.31%、18.76%和19.74%,验证了ISMA方法的有效性。     

A genetic algorithm with local search using activity list characteristics for solving resource‐constrained project scheduling problem with multiple modes

In this paper, we aim to solve the problem of resource‐constrained project scheduling with multiple modes (rc‐PSP/mM), in which multiple execution modes are available for each of the project's activity and with minimization of makespan as objective. We present a new genetic algorithm approach in order to solve this problem. In this procedure, we propose a new mutation operator that exploits a critical path and two new local search procedures, i.e. critical path improvement local search (cpiLS) and iterative forward/backward local search (ifbLS), using activity list characteristics. The cpiLS reduces the critical path and the ifbLS improves resource allocation of the schedule of rc‐PSP/mM. Also, to evaluate the proposed approach, we compare the results of the computational experiment on certain standard project instances with the several competing heuristic procedures presented in the literature, and it has been revealed that our procedure is one of the most competitive among the algorithms. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

SA-PSO在水火电混合电力系统电源规划中的应用

电源规划是电力系统电源布局的战略决策,在电力系统规划中处于十分重要的地位。其核心问题是要确定在规划期内随着负荷的增长,系统应在何时、何地、建什么类型、多大容量的电厂。由于其本身的的复杂性,用传统的优化方法求解需采取简化措施,寻求一个满足各种约束条件和可靠性指标及环保要求的最优电源建设方案,以满足系统负荷发展的需要。为此,提出一种粒子群算法与模拟退火算法结合的模拟退火粒子群算法,并将其用于求解复杂的、非线性的水火电混合电力系统(包含核电)电源规划问题。该组合算法在粒子群算法中引入了模拟退火算法成功的提高了基本粒子群算法的全局搜索能力。算例结果表明:该算法能可靠、快速的收敛到全局最优解,特别适合于大型电力系统的中长期电源规划。     

基于行为反应控制的UCAV自主航路规划研究

无人作战飞机（UCAV）自主航路规划整个过程是动态、实时、局部的,环境信息是不确定的,其研究的主要目标不同于一般航路规划,不仅要使无人作战飞机获得优化的航路,更重要的是让其具备自主寻求最优航路的能力。文章从混合主动控制的观点出发,设计了一种基于行为反应控制的自主寻优方法。采用分级组合的方法建立了航路规划模型,底层将任务目标作为李雅普诺夫行为控制函数,建立了航路优先级模型,上层利用多目标决策算法进行自主航路选择。并利用突发局部威胁进行了仿真实验,结果表明了系统设计的合理性和有效性。     

基于区域搜索粒子群算法的机器人路径规划

针对粒子群算法应用于移动机器人路径规划时存在的易早熟、易陷入局部最优等问题,提出一种基于区域搜索的自适 应粒子群(region search-adaptive particle swarm optimization algorithm,RS-APSO)路径规划方法。 首先,通过区域搜索算法对原始 地图进行预处理,减少地图中的无效信息。 其次,提出两种可变算子对惯性权重因子进行调节,对加速因子进行自适应改进,增 强算法不同时期的搜索能力,利用新的加速因子使粒子快速摆脱较差区域。 最后通过动态避障策略,使机器人可以安全规避移 动障碍物。 仿真结果表明,RS-APSO 算法相较于 PSO 算法,平均运行时间降低了 30. 3%,平均迭代次数降低了 43. 9%,在动态 环境中也能生成安全路径。     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法。将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进。通过栅格法构建特高压变电站仿真环境,进一步验证了所提规划方法的优越性。仿真结果表明,改进算法具有显著改善迭代次数和最小路径的效果,20×20栅格环境迭代15次收敛到长度26的最优路径,30×30栅格环境迭代70次收敛到长度43的最优路径。     

一种基于改进人工势场法的局部路径规划算法

针对在存在复杂障碍物的环境中,利用人工势场法进行移动机器人路径规划时出现的局部最小值和目标不可达问题。本文提出了一种基于凹形障碍物补齐的改进人工势场法进行局部路径规划。首先,通过对凹形障碍物补齐,防止机器人进入局部最小值区域。然后,通过新增距离影响因子,改进了斥力场函数,使目标点成为全局势场中的最小点,防止机器人陷入目标不可达区域。最后仿真结果表明,本文所提出的改进人工势场法可以解决存在复杂障碍物的环境中的局部最小值问题和目标不可达问题,并且相对于其他算法,可以有效减少路径补偿,提高规划效率。     

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R2相似文献   

基于人群密度的最优路径规划算法研究

在众多路径规划算法中,A^*算法是一种典型的最短路径规划算法,但是该算法的应用环境较为局限。为此综合复杂环境中人群密度的因素,以时间最短为准则,将最短距离路径规划问题优化为最短时间路径规划。最优路径规划算法在A^*算法的基础上,引入不同人群密度环境下的行人速度模型,将A^*算法中基于距离的评估函数改变为基于时间的评估函数。实验通过标准网格地图对144种情况进行了模拟,结果表明,相较于传统A^*算法,最优路径规划算法优先选择从周围低人群密度区域绕行到达终点,规划路径在距离上可能更长,但是花费的时间更短。     

基于改进JPS的移动机器人路径规划算法

在移动机器人的路径规划技术中，跳点搜索算法（JPS）因具备简单、快速、易实现的特性而被广泛使用。然而，传统的JPS算法由于启发式函数搜寻效率低导致其搜索的节点数量冗余，而且难以有效兼顾规划路径的安全性。针对该问题，本文提出了一种改进的JPS算法。该方法设计了一种由对角线距离和方向信息结合的启发式函数用于提高寻路效率，并且进一步对规划路径进行平滑处理以有效兼顾规划路径的安全可靠性。移动机器人在复杂障碍物环境下的路径规划仿真实验表明，相较于JPS算法，本文改进后的JPS算法平均规划时间减少了13.4%，平均路径长度减少了3.1%，平均危险点数量降低了83.3%。     

基于杂交退火灰狼算法的移动机器人路径规划

针对灰狼优化算法在移动机器人路径规划时易陷入局部最优且效率低的问题，提出一种杂交退火灰狼算法。采用可调节的非线性收敛因子进行平衡算法的前期搜索和后期寻优；同时采用自适应遗传杂交策略，对灰狼群体以一定概率两两杂交以产生新个体，从而有效增强灰狼群体的多样性；在迭代的后期用模拟退火操作接受候选狼，避免算法陷入局部最优解。将路径长度和路径平滑度作为适应度评估指标并建立评估函数以评估路径规划效果。最后，路径规划实验结果表明，在3种不同尺寸的地图上，本文改进算法的适应度比灰狼优化算法分别优化了2.10、3.15、3.94,路径规划效果明显优于其他相关算法。     

融合三步平滑与改进RRT算法的无人机路径规划

为解决路径规划领域中原始RRT所具有规划时间长、路径不平滑、路径代价大的缺点,本文先在原始RRT算法的基础上加入了动态步长策略以及嵌入了Dijkstra算法对效率进行改进,然后在得到的路径上分别加入下样本平滑、上样本平滑和关键点平滑对路径平滑度和路径代价进行改进。MATLAB实验表明,本文算法在规划时间上较传统RRT提升45%左右,较Astar、RRTstar、GA算法有着分别30%～70%不等的领先;在路径长度方面,本文算法较传统RRT有着近40%的提升,相较其他算法也有着不同程度的领先。由此可以得出,本文所提方法,可以较好地应用于路径规划。     

一种仿生机器鼠的跟踪与避障策略

针对一种新型仿生机器鼠平台的运动规划问题主要包括跟踪、避障等问题,依据仿生机器鼠的双目视觉系统以及多自由度的机械结构,根据驱动电机的特性,建立仿生机器鼠的扭腰、抬身、攀爬等动力学模型,采用"记忆"目标鼠的特征、"学习"最优避障路径、"推断"目标鼠的运动方向等方法,实现了仿生机器鼠的跟踪与避障行为,提出了一种基于仿生学原理的仿生机器鼠的跟踪与避障策略。在一种新型仿生机器鼠平台上的实验结果表明,相比与基于虚拟阻抗模型的控制方法,该跟踪与避障策略能够更好地实现仿生机器鼠的跟踪与避障行为,从而验证了策略的可行性与有效性。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。