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.     

大型超市智能导购系统的设计与实现

超市作为我们生活中不可或缺的一部分,出售着我们日常所需的商品,是我们线下购物的主流选择。但是这其实也存在一些弊端,你是否有过这样的经历?你惬意地来到超市,穿梭在超市的各个货架之间,走了很多冤枉路也没有找到你想购买的商品所在的位置。针对上述问题,我们可以利用物联网技术和嵌入式技术来做出优化,如果研制出一个适用于大型超市的智能导购平台,那么对超市和消费者都会有很大的帮助。     

WSN中基于移动Sink的高效数据收集算法

针对无线传感器网络中的数据收集问题,提出一种改进的MWSF算法。该算法结合A*算法求解出移动Sink在传感器节点之间移动的最短路径,利用MWSF算法找到移动Sink所需访问的下一个传感器节点,并与单跳通信范围内的其他传感器节点进行通信,从而收集数据。仿真结果表明,该算法能降低数据溢出发生率,提高网络的数据传输效率。     

基于超市销售数据的关联规则挖掘算法的研究

在商场货物繁多的时代,如何让消费者更方便的购物,能够用最短的时间买到更多的自己需要的商品是该研究的目的.通过对超市销售数据的采集,采用一种改进的关联规则算法,并对该算法进行实验,实验表明该算法有助于超市销售的决策.     

基于物流机器人的路径规划研究

本文描绘了物流机器人的路径规划问题。针对标准A*算法的路径规划时间长、计算节点多的问题,提出了在标准A*算法的基础山,使用改进的双向搜索的A*算法。通过使用MATLAB进行仿真和实验平台进行实验对标准A*算法和优化后的A*算法进行了对比,结果表明:改进的A*算法比标准的A*算法进行路径规划的时间更短,并且使用的节点更少。     

引入必经点约束的路径规划算法研究

针对传统A*算法存在搜索范围广、运行效率低的问题,提出了一种引入必经点约束的路径规划算法。该算法结合障碍物分布特点,通过寻找最短路径必经点,实现对A*搜索方向的约束,再对最短路径段进行拼接得到最短路径。最后,在100×100网格地图中进行对比实验,结果表明,引入必经点约束的改进算法比传统A*算法的结点访问量大幅降低,运行效率得到显著提高。     

一种可搜索无限个邻域的改进A*算法

传统A*算法在栅格地图上进行路径规划时,求解得到的路径长度不是最短并且转折点较多.针对这些不足,提出了一种改进A*算法,将传统A*算法的可搜索邻域个数从离散的8个拓展为无限个,可以沿任意方向进行搜索.这样不仅求解出来的路径长度更短,并且大大降低了其转折点的个数.该算法被应用于自主研发的"智能先锋"号系列无人驾驶车辆上,实车试验以及它们在"中国智能车未来挑战赛"中的优异表现证明该方法能够在栅格地图中求解出一条更优的可行驶路径,可以显著提升无人驾驶车辆行驶的效率和平稳性.     

基于遗传算法的超市最短导购路径推荐

大型超市里商品数目的繁多、空间布局的复杂往往容易让消费者迷失在室内,花费大量时间进行商品搜寻。提出基于遗传算法的超市导购路径推荐方法,通过对超市的空间布局结构离散化建模,生成分别用节点和无向边表示商品区域和区域之间可行走路线的平面图;结合消费者的采购清单,根据商品所在的货架位置将商品与具体的区域做出匹配,用遗传算法优化生成一条联结超市入口、要采购的商品区域以及结账柜台的最短路线。Matlab的仿真结果显示,该方法简单、高效,能够快速为消费者推荐出最短路线,供其购物参考。     

基于BIM的地图构建与导航研究

摘要: 为了提高移动机器人在作业过程中获得现场环境地图的效率,提出了利用BIM技术建立导航地图的方式,获取IFC信息映射到二维栅格,从而快速构建地图。对于室内移动机器人在移动过程中能更快更好的到达目标点的问题,首先对传统A*算法做改进,将原有的8邻域搜索扩展为48邻域搜索,增加了搜索方向,优化了搜索角度。同时考虑了机器人的安全性,对规划路径进行了改进,使得规划的路径与障碍物保持了一定距离。其次,为了避开场地出现的动态障碍物,采用将改进的A*算法与动态窗口法融合,在保证全局路径最优的基础上,实现避障效果。通过实验仿真,表明了改进的A*算法比传统A*的算法在运行时间上快了2倍以上,路径转折点的角度差比原来减少了28%以上,路径长度上更短且不再紧贴障碍物。而融合算法比改进的A*算法在路径平滑性上有所提高,能及时避开随机障碍物,更加适用于环境变化的室内场景。     

基于变步长A*与车身稳态转向模型的UGV路径规划

针对A*算法寻路时间长、生成的路径存在冗余折点的问题,本文提出一种基于车身稳态转向模型的变步长A*算法,首先通过设置子目标点的方式调节A*算法的搜索步长,减少寻路时间;其次在全局路径的折点处根据车身转向运动学约束进行局部重规划,从而得到一条易于跟踪的平滑路径;此外考虑到UGV (Unmanned Ground Vehicle,无人地面车辆)的实际宽度,改进后的算法还引入了障碍物延伸策略,使规划出的路径满足实际工程应用;最后通过仿真实验验证了本文改进算法的有效性,并与3种寻路算法进行对比,结果表明,本文改进的算法寻路时间更短、生成的路径更平滑,且与障碍物之间保持了安全距离.     

A branch-price-and-cut algorithm for the commodity constrained split delivery vehicle routing problem

We consider the Commodity constrained Split Delivery Vehicle Routing Problem (C-SDVRP), a routing problem where customers may request multiple commodities. The vehicles can deliver any set of commodities and multiple visits to a customer are allowed only if the customer requests multiple commodities. If the customer is visited more than once, the different vehicles will deliver different sets of commodities. Allowing the splitting of the demand of a customer only for different commodities may be more costly than allowing also the splitting of each individual commodity, but at the same time it is easier to organize and more acceptable to customers. We model the C-SDVRP by means of a set partitioning formulation and present a branch-price-and-cut algorithm. In the pricing phase, the ng-path relaxation of a constrained elementary shortest path problem is solved with a label setting dynamic programming algorithm. Capacity cuts are added in order to strengthen the lower bound. We solve to optimality within 2 h instances with up to 40 customers and 3 commodities per customer.     

蚁群算法的收敛性分析及其在TSP上的求解

根据基本蚁群算法的特点对其收敛性进行分析,给出寻找最短路径的蚁群算法收敛的充分条件.并把算法运用到旅行商问题上,试验结果表明该算法在求解TSP问题上解的精度优于组合优化算法以及遗传算法且收敛速度比较快.     

An approximate A algorithm and its application to the SCS problem

In this paper we deal with algorithm A^* and its application to the problem of finding the shortest common supersequence of a set of sequences. A^* is a powerful search algorithm which may be used to carry out concurrently the construction of a network and the solution of a shortest path problem on it. We prove a general approximation property of A^* which, by building a smaller network, allows us to find a solution with a given approximation ratio. This is particularly useful when dealing with large instances of some problem. We apply this approach to the solution of the shortest common supersequence problem and show its effectiveness.     

基于知识库的客户网购意向预测系统

电子商务网站所产生的海量客户网购行为数据中蕴含着丰富的反映客户网购行为规律的知识。这些知识是进行客户网购意向预测以及在此基础上进一步进行商品推荐的重要依据。基于Hadoop框架构建了“客户购买意向预测系统”,实现了利用隐含在交易数据中的知识对正在浏览中的电商客户的购买意向预测。在基于知识图谱技术构建网购客户购买行为知识库的基础上,利用FP-Growth算法和数据统计方法实现了以增量方式从购买者的交易数据中获取反映用户购买规律的知识,并将取得的知识融合到知识库中。系统能够利用存储于知识库中的知识在客户进行网上购物的过程中对其购买意向进行分析和预测,从而达到提高电子商务平台的运营效率,改善客户购物体验的目的。     

基于方向约束的A*算法

实际机器人路径规划问题经常需要考虑路径的转弯约束以及路径起始/目标角要求,为此提出一种基于方向约束的A*算法.新算法区分同一路径点处不同方向的各条路径,通过定向扩展机制来满足路径方向约束,并采用节点合并策略和不一致队列降低算法复杂度.理论分析和典型地图集上的实验结果证明,所提算法总是能够保证给出符合转弯约束和起始/目标角约束的最短路径,且相比于现有算法,能够有效提高方向约束路径规划问题的求解能力.     

Solving shortest path problem using particle swarm optimization

This paper presents the investigations on the application of particle swarm optimization (PSO) to solve shortest path (SP) routing problems. A modified priority-based encoding incorporating a heuristic operator for reducing the possibility of loop-formation in the path construction process is proposed for particle representation in PSO. Simulation experiments have been carried out on different network topologies for networks consisting of 15–70 nodes. It is noted that the proposed PSO-based approach can find the optimal path with good success rates and also can find closer sub-optimal paths with high certainty for all the tested networks. It is observed that the performance of the proposed algorithm surpasses those of recently reported genetic algorithm based approaches for this problem.     

一类标准矩形网络节点间最短路径的求解方法

针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出常见的交通道路网络一般均可以整体或部分化为标准矩形网络. 与常见的求取最短路径的Dijkstra、Floyd、ACO、A* 等算法进行仿真实验比较, 实验结果表明, 对于大规模标准矩形道路网络, 所提出算法具有更好的寻优精度、稳定性和寻优速度.

     

Personalization of Supermarket Product Recommendations

We describe a personalized recommender system designed to suggest new products to supermarket shoppers. The recommender functions in a pervasive computing environment, namely, a remote shopping system in which supermarket customers use Personal Digital Assistants (PDAs) to compose and transmit their orders to the store, which assembles them for subsequent pickup. The recommender is meant to provide an alternative source of new ideas for customers who now visit the store less frequently. Recommendations are generated by matching products to customers based on the expected appeal of the product and the previous spending of the customer. Associations mining in the product domain is used to determine relationships among product classes for use in characterizing the appeal of individual products. Clustering in the customer domain is used to identify groups of shoppers with similar spending histories. Cluster-specific lists of popular products are then used as input to the matching process. The recommender is currently being used in a pilot program with several hundred customers. Analysis of results to date have shown a 1.8% boost in program revenue as a result of purchases made directly from the list of recommended products. A substantial fraction of the accepted recommendations are from product classes new to the customer, indicating a degree of willingness to expand beyond present purchase patterns in response to reasonable suggestions.     

动态交通网络中最优路径查找算法*

在真实交通网络中,可能出现某高速公路在某一时刻内通过的车辆过多,从而改变了该时刻道路的即时速度,这就需要对道路的交通流量进行监控。针对这一问题,通过建立交通网络的速度模式库,根据道路可达速度的变化更新速度模式。基于A*算法与速度模式库,提出针对动态交通网络的最短路径查询算法。采用真实数据集对算法进行测试,结果表明,应用该方法能够有效地解决在速度模式发生变化的情况下最优路径的查找,使交通网络中的最优路径查询更为准确有效。