狭窄空间无人机动态三维A*算法研究

针对三维飞行器在动态环境下使用三维A*算法进行局部仿真时,环境信息未知,存在冗余点和拐点,导致收敛时间长、路径节点扩展代价大、易陷入局部最优问题,提出一种基于全局与局部相结合的动态三维A*寻路算法。此算法首先改进评价函数的权值系数动态分配,减小路径冗余点和拐点,从而降低算法耗时,缩短路径长度;其次改进路径生成策略,有效提高算法效率,避免陷入局部最优,进一步缩短路径长度,从而实现飞行器在三维动态环境中的路径规划。将改进后的算法进行仿真对比,仿真结果表明,改进后的算法路径更加合理,算法耗时和路径长度更短。     

伪三维的地理位置无线传感器网络路由算法

针对实际应用中传感器网络大多分布在山地丘陵等起伏地势环境下,在研究基于地理位置路由算法的基础上,结合无线传感器网络分布的地势环境,提出了伪三维的地理位置无线传感器网络路由算法。该算法利用电子地图,计算节点间沿起伏地势的近似最短路径,路由过程中根据地理位置信息选择下一跳时,用当前节点和邻居节点到目标节点在起伏地势上的最短路径代替空间欧氏距离。实验仿真证明,与目前使用较多的三维贪婪路由算法相比,该算法能有效减少数据在转发过程中的路由跳数。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

三维最短路径分析算法的实现及其可视化

最短路径算法是路径搜索领域的重要问题,也是最优路径分析算法的基础。论文设计并实现了适用于栅格地形数据的数据存储结构。在分析A*算法思想的前提下,将计算机图形学中的直线求交算法应用到启发函数的计算中,实现了针对规则栅格地形数据计算最短路径的算法并将其进行了三维可视化显示。     

非结构化场景下基于改进JPS算法的移动机器人路径规划

针对移动机器人在大范围非结构化场景下的路径规划问题,在改进跳点搜索(JPS)算法的基础上结合A*搜索,提出一种基于分层栅格地图的Jump A*(JA*)路径规划算法.该算法对三维点云地图进行栅格化分层处理,将环境信息划分为结构层与非结构层,并建立搜索策略切换规则,依据图层信息使用不同的搜索策略,从而有效减少计算量.为了验证JA*算法的有效性,在图层比例不同的三维地图中进行仿真,仿真结果表明,JA*算法相比于传统的A*算法遍历节点更少,搜索效率更高;相比于双向A*算法,具有更高的鲁棒性.最后将JA*算法应用在公开数据集中,实验结果表明,JA*算法能有效解决移动机器人在大范围非结构化场景下的路径规划问题.     

动态最短路径算法及其仿真

最短路径算法广泛应用在GIS(地理信息系统)、机器人探路、计算机网络等领域,经过几十年发展,有了很大进展.现在流行的最短路径算法有Dijkstra算法、A*算法,它们都建立在信息完全准确、静态路网的前提下.但现实中信息常常不准确、不完整,路途环境不断变化.当环境变化时,需要重新修改整个路径,因而速度较慢.介绍一种动态最短路径算法,初始时建立好最短路径,当环境变化时,可以只计算变化处附近局部节点,减少计算量,从而较迅速做出新的最短路径选择.最后经过仿真看出,路网中节点越多,动态最短路径算法优势越大.     

3维复杂山地环境下旋翼无人飞行器高时效航迹规划策略

针对3维复杂山地环境中执行无碰撞低空飞行任务的旋翼无人飞行器,提出了一种高时效、低代价的航迹规划策略,设计并采用了改进的稀疏A*算法和生物启发神经动力学模型的融合算法.该算法在稀疏A*全局优化搜索的基础之上融入生物启发神经动力学模型来调整局部航线以加快最优航迹的形成,并运用神经动力学模型来实时获取和处理环境中的局部动态信息,实现了融合算法的在线规划能力,从而解决了传统最优路径搜索算法无法实现的动态规划的难题.通过在3维空间中设置多峰山地,尤其是凹形山体作为障碍进行仿真实验,实验结果表明,该融合算法不仅降低了A*算法的复杂度和耗时,而且改善了生物启发神经动力学模型尚未考虑的代价花费问题,更能够在线应对任务空间中的突发威胁,使旋翼无人飞行器在动、静态障碍物相结合的复杂环境下能够规划出一条安全、快速抵达目标点的低代价且优质的航迹.     

基于改进A*算法的导购路径规划方法

大型超市内商品数目繁多，空间环境复杂，顾客在购物的过程中往往需要耗费大量的时间来寻找所需购买的商品。针对这一问题，提出了遗传-改进A*算法来帮助顾客找到一条通往所需购买商品的最短路径。首先利用矩阵对超市的空间环境进行建模，然后通过改进A*算法找到任意两个商品之间的最短路径，再根据顾客的购物列表利用遗传算法优化生成一条包含超市入口，购物列表上的商品以及超市出口的最短路径。最后仿真实验表明，在多楼层的大型超市里，顾客购买多个不同商品时，遗传-改进A*算法寻优能力更强，求解质量更优，并且运行时间更短，能够高效地解决最短路径规划问题。     

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。     

智能轮椅室内导航路径规划算法

智能轮椅为丧失行走能力的人提高生活质量和生活自由度. 适用于智能轮椅的路径规划问题是其重要的技术之一. 实际环境中行走的难易程度是有区别的, 对此提出一种新的路径规划算法, 即寻找最优路径的导航方法, 对室内环境进行栅格模型建模, 并利用最邻近关系结合改进的A*算法来规划两个位置之间的最优全局路径, 采用虚拟力场算法实现途中的局部路径规划. 此算法只需要采集用户需要到达目的地的信息, 智能轮椅能自动导航到达目的地, 经实验验证, 该算法运用到智能轮椅室内导航系统中路径得到较好的改善并具有反应快、工作稳定可靠、使用灵活方便和扩展性强等优点.     

一种基于改进蚁群算法的三维K-栅栏覆盖算法

为解决三维环境下无线传感器网络的K-栅栏覆盖问题,提出一种改进的蚁群优化算法3D-ACO。将三维表面映射到二维平面进行网格划分,通过计算网格梯度并引入空间权重及部署方向角来改进蚁群算法寻找最短路径构建栅栏,采用移动节点填补栅栏间隙以确保构建强栅栏。实验结果表明,与strong optimal和strong greedy算法相比,该算法能够在有效提高节点利用率的同时降低节点能耗,并且在三维环境下所构建的栅栏覆盖具有较强的自适应性。     

救灾无人机的优化A*航迹规划算法

针对抢险救灾中无人机派遣量及空间航迹规划最短路径相制约的问题,提出了一种优化A*的航迹算法。通过设计的蛇形割圆法对圆形巡查区域进行路径规划,通过提取感兴趣区域的方法选择较佳搜索方向,提高搜索效率,采用加权评估法优化自然威胁权重系数,重定义航迹估计函数。将提出的方法在灾情巡查和生命勘测实际问题中进行性能检测。仿真结果表明,该算法能够合理分配无人机数量且能快速规划出较优飞行轨迹,实现巡查覆盖率达88.96%。     

新型树启发式搜索算法的机器人路径规划

面对三维空间移动机器人从起始点到终止点的最短路径问题,提出一种新型的边缘点树启发式搜索(TreeEP)算法,该方法将地图空间进行密度可调的三维离散化处理,根据障碍安全距离筛选出障碍物的可靠边缘点信息,再利用树扩散架构选出最能引导搜索方向的潜力点进行扩散搜索,最终得出最短路径。提出局部调整策略,得到改进的Tree-EP算法。实验结果表明,在带障碍复杂地形最短路径搜索应用中,提出的Tree-EP算法与已有方法相比,能找到更短的移动路径。     

改变值更新规则加快启发式实时算法的收敛

网络最优路径问题的求解多用启发式算法。LRTA^＊算法作为启发式A^＊算法的改进，在多路径求解中，通过引入网络系统实时动态信息，满足动态环境下的实时要求，较快收敛于最优路径。本文给出了通过改变值更新规则来加快实时算法收敛的一种新方法，通过时间和解质量的相对折中，使该算法比LRTA^＊。算法更快地收敛于满意解，是一种求解大城市稠密路网两点间最优路径的有效方法。     

基于改进A*算法的移动机器人路径规划

针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。     

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.     

多方向无人水面艇路径规划算法

针对海洋环境下无人水面艇路径（USV）规划安全性与平滑性问题，提出一种多方向A^*路径规划算法以获得全局最优路径。首先，结合电子海图生成栅格化环境信息，并根据安全航行距离约束建立USV安全区域模型，在传统A^*算法基础上设计一种带安全距离约束的A^*启发函数来保证生成的路径节点的安全；其次，改进传统A^*算法的八方向搜索模式，提出一种多方向搜索模式来调整生成路径中的冗余点与拐点；最后，采用路径平滑算法对路径拐点进行平滑处理以获得满足实际航行要求的连续平滑路径。在仿真实验中，改进A^*算法规划的路径距离为7 043 m，相较于Dijkstra算法、传统A^*四方向搜索算法和传统A^*八方向搜索算法分别降低了9.7%、26.6%和7.9%。仿真结果表明改进后的多方向A^*搜索算法能够有效减小路径距离，更适用于USV路径规划问题。