应用改进蚁群算法的同心分布喷丝孔检测路径规划

为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进：重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明：所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。     

改进的清洁机器人全覆盖路径规划算法

本文研究了基于已知环境地图栅格化描述的清洁机器人全覆盖路径规划算法,对未清扫区域和障碍区域分别进行标记,记录区域清扫次数,利用不同的优先准则,即顺时针优先准则、逆时针优先准则和最优区域随机选择准则,搜索清扫区域,从而得到清洁机器人的全覆盖路径规划的改进随机算法。利用MATLAB语言编程进行仿真实验,实验结果表明,改进的搜索算法能保证清洁机器人完成清扫区域全覆盖的前提下,使得平均重复覆盖率比一般随机算法低。     

基于遗传模糊算法爬壁机器人避障仿真研究

为解决爬壁机器人壁面作业过程中的避障问题,课题组提出了基于遗传算法优化的模糊控制算法。首先,建立了爬壁机器人在壁面的运动模型,求解出机器人运动学方程;利用平面栅格的方式进行描述机器人运动路径的规划;采用遗传算法对爬壁机器人模糊避障控制进行优化,并给出具体优化步骤。利用MATLAB进行仿真实验,仿真结果表明:与遗传算法进行比较,基于遗传算法优化的模糊控制在准确避开障碍物的前提下,能够更好地跟踪起点和目标点的连线,并规划出从起始点到目标点之间更短的路径。     

室内移动机器人搜索人的算法设计

针对室内环境中经常出现的移动机器人搜索人的问题,设计并实现了一种在栅格地图基础上基于改进的遗传算法和A~*算法进行路径规划的算法。移动机器人采用开源机器人操作系统(ROS)框架,在SLAM的基础上完成机器人自定位以及校准、路径规划和导航。对室内环境栅格地图应用单元分割法得到一系列以障碍物分割开的子区域,应用遗传算法规划最优的区域间转移序列,同时使用A~*算法进行两点之间的导航规划。仿真与实验结果证明:该算法可以在已知的室内环境中提供最优化的搜索路径,在短时间内完成找到人的任务。     

基于12方向24邻域的A*算法路径规划研究

针对传统A*算法在路径规划时,扩展节点与路径包含节点较多、搜索效率低、路径不平滑等问题,提出了一种基于12方向24邻域节点搜索的改进A*算法。给A*算法启发函数设置一个权重系数以减少冗余节点的数量;并且改进了传统A*算法8邻域的搜索策略,在父节点周围7×7的栅格地图中选取24个搜索邻域,按照目标点与当前点的位置关系剔除一半的冗余节点,保留12个方向的节点;然后利用贝塞尔曲线对规划的路径进行平滑处理。仿真及实验结果表明,改进后的A*算法相较于传统A*算法,扩展节点数减少了约44%,路径包含节点数减少了约43%,搜索时间减少了约69%,以此验证了该方案的可行性与有效性。     

基于改进粒子群算法的机器人时间最优轨迹规划

针对标准粒子群算法在进行机器人时间最优轨迹规划时容易陷入局部最优、早熟等缺点,提出一种快速收敛的改进算法.算法采用动态学习因子策略替代传统固定的学习因子,并在此基础上利用"3-5-3"混合多项式插值函数进行规划,最后在MATLAB仿真软件中完成机器人各关节运动轨迹的拟合.研究结果表明:改进粒子群算法的局部收敛速度和全局...     

于密度峰值聚类并行麻雀搜索算法的食品机器人路径规划

目的：提高食品拣取机器人工作效率。方法：提出了一种基于密度峰值聚类并行麻雀搜索算法的食品拣取机器人路径规划方法。建立以总移动距离、点位间路径平滑度和移动安全度为评价指标的食品拣取机器人路径规划模型,在保证机器人移动安全的同时,尽可能提升路径平滑度和降低移动距离。设计密度峰值聚类优化麻雀搜索算法(DSSA),利用改进的密度峰值聚类算法对麻雀种群进行聚类分析,并根据聚类结果划分不同子族群和定义麻雀迭代进化方式;结合多点位路径规划模型和点位间存在的4条潜在移动路径,重新定义麻雀编码方式,搭建并行计算架构,以提高DSSA求解路径规划模型的精度和运算效率。结果：仿真结果表明,相比于其他食品机器人路径规划方法,总移动距离减少了7.3%~39.2%,移动时间降低了26.7%~50.1%。结论：所提方法能够明显改善食品分拣机器人路径规划效率,对提升食品加工企业生产效率具有一定的应用价值。     

基于环境知识遗传算法的机器人路径规划方法

提出一种新的基于遗传算法的机器人路径规划方法.该方法首先用栅格模型对机器人的工作环境进行建模,然后采用遗传算法进行路径规划.采用一种新的固定长度的二进制编码,针对这种编码机制设计出相应的遗传算子,将路径与障碍物无碰要求和规划出来的路径最短要求作为适应函数,加入图搜索技术,应用邻域知识,增强遗传算法的局部搜索能力.仿真结果表明该方法是正确的和有效的.     

基于K-means聚类和蚁群算法在WSN粮情测控中的研究

结合无线粮情测控中粮仓环境数据采集,以及WSN(无线传感器网络)供电能量有限等特点,提出一种基于LEACH协议、K-means聚类和蚁群算法的WSN改进路由算法。首先在预处理阶段利用K-means聚类算法将散布的节点分成多个簇,通过聚类减少数据发送量。其次,利用蚁群算法支持多路径的特点,在数据传输阶段形成簇首间多跳路由机制。仿真结果表明:所用算法能够有效减少数据传输时的能量消耗,延长节点的网络生命周期。     

基于改进鸡群优化算法的食品拣取机器人路径规划

目的:优化多工位食品拣取机器人路径.方法:提出了 一种基于改进鸡群优化算法(Improved Chicken Swarm Optimization,ICSO)的食品拣取机器人路径规划方案,充分考虑单个工位点机器人最优拣取位置和多工位点之间机器人移动最短距离,构建多工位食品拣取机器人路径规划双层模型.利用密度峰值聚类算法...     

基于蚁群BP神经网络算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络算法的迭代次数N比传统算法少50%,运行时间T快60%。这说明蚁群BP神经网络算法在六维力传感器解耦研究中有着很好的应用效果。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

求解块三对角线性方程组的一种并行算法

提出了分布式环境下求解块三对角线性方程组的一种并行混合迭代算法．利用分裂系数矩阵的方式,产生一个简单迭代;然后再利用多方向搜索方法,使得多方向搜索方法收敛速度加快．该算法只在相邻处理机间通信4次,消除了共轭梯度法所需要的内积运算．从理论上给出了算法收敛的一个充分条件．在HP rx2600集群上进行了数值试验,结果表明,实算与理论是一致的,并行效率也很高且比相关文献的计算效果好．     

基于蚁群算法的高层固定货架最短路径问题研究

应用蚁群算法的原理,通过建立数学模型,解决了立体仓库堆垛机自动行走最短路径和最短时间问题.利用蚁群算法的相互协同机制来解决高层固定货架最短路径问题的最优化,通过仿真实验,蚁群算法求堆垛机最短运行时间的效率提高了36.32%,最短路径长度的效率提高了56.7%,能够提高自动化立体仓库的作业效率.     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明:混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

基于改进遗传算法的工业机器人喷涂路径优化

以往的工业机器人喷涂路径优化方法由于没有计算适应度函数,导致规划的路径长度过长。基于此,文章提出了基于遗传改进算法的工业机器人喷涂路径优化方法,通过二进制的编码方式,对工业机器人的个体进行编码。在工业机器人工作的二维空间中,进行初始种群的优化,利用改进遗传算法,计算适应度函数,生成喷涂路径,从而完成对工业机器人喷涂路径优化方法的设计。在仿真实验中,通过和以往的工业机器人喷涂路径规划方法进行对比,基于改进遗传算法的工业机器人喷涂路径优化方法具有更好的优化效果,缩短了工业机器人喷涂路径的长度。     

求解较大规模TSP问题的改进蚁群算法

为了优化并提高传统蚁群算法求解较大规模TSP问题的计算速度,提出了一种基于有限视觉能见度机制的改进蚁群优化算法。采用初始解优化路径中节点间邻接特征,缩小可选范围搜索求解,算法时间复杂度由O(mn2)改进为O(mn),最后对可能的冲突问题给出变异解决方案。结合大规模TSP问题验证并加以完善,实验结果证明,新算法提高计算速度效果显著。     

基于航空器油耗最小的无冲突路径规划模型

机场的滑行冲突和延误一直是机场地面管理的一个具有挑战性的复杂问题。滑行道在机场场面调度中起着重要作用,为提高机场场面运行效率减少场面滑行冲突,文章提出了一种基于航空器油耗最小的无冲突路径规划算法。建立了航空器滑行规划模型,定义了三种场面滑行冲突类型并提出其冲突解脱策略。以某机场为仿真模型进行算法分析,结果表明该模型实之可行,可为机场滑行调度提供决策支持。     

基于危险指数最小化的机器人三次样条安全轨迹规划

为使机器人在实时的运行过程中不与人发生碰撞,文章提出了一种实现机器人安全性的方法,即基于危险指数最小化的机器人三次样条安全轨迹规划。该方法根据全局安全路径规划阶段所获得的安全路径点,采用三次样条函数对其进行插值,并通过实时评估获得的危险指数来合理规划机器人在各路段的运行时间,最终以机器人危险指数最小化为目的规划机器人运行轨迹。仿真实验表明,该方法可以沿着预定的路径点生成平滑、安全有效的轨迹,确保了机器人工作空间中人的安全性。     

智能消杀机器人路径规划与滑模跟踪算法研究

为了实现消杀机器人的自主移动控制,研究了基于A-star算法的机器人连续积分滑模路径跟踪控制方法。首先,采用A-star路径规划算法,实现移动机器人的全局快速路径规划,从而得到最优的机器人运动路径。然后,根据输出路径,设计分段连续积分滑模跟踪控制器,该控制器有效地提高了系统的趋近速率,实现跟踪误差在有限时间内趋近于零,保证路径跟踪精度和控制系统的稳定性。最后,通过仿真实验验证了方法的有效性。