基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。     

基于A*算法的楼宇环境中移动机器人的路径规划

以A*算法为基础,在静态地图上初步规划出楼宇环境中移动机器人的全局路径,然后基于可视图法思想,采用无障碍拉直法(NOD)和拐点采集法(INC)的优化方法对路径进行了优化.以优化后路径的拐点作为局部规划目标点,再结合超声和红外传感器提供的信息,提出了一种以目标导向决策(TOD)和最近方向判决(COD)为原则的局部避障算法.综合以上全局路径规划和局部路径规划的控制方案,对移动机器人UP-VoyagerⅡ在楼宇环境中进行了地图导航控制试验,取得了理想的效果,验证了控制算法的可靠性.     

不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。     

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。     

基于改进蚁群算法的移动机器人路径规划

针对大多数路径规划方法所忽视的路径尖峰,以及传统蚁群算法(ACA)易出现的早熟、陷入局部最优等问题,提出一种改进ACA以用于路径规划.首先,在ACA中融入遗传算子,利用交叉与变异操作来扩大解的搜索空间,提升解的全局性.然后,引入简化与平滑操作优化算子,对所寻路径做进一步处理,消除路径中不必要的尖峰,提高其平滑性.栅格环境下的机器人路径规划仿真结果表明,与A*以及传统ACA相比,所提算法能够得到更为平滑的最短路径.     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于改进蚁群算法的移动机器人全局路径规划

对已栅格化的机器人运动空间中的障碍物预处理,在蚁群算法原理的基础上,改进了伪随机比例规则,使蚂蚁的下一节点选择更加倾向于目标点,提高了蚂蚁的搜索效率。引入最优一最差蚂蚁思想来更新全局信息素轨迹的强度,增强搜索过程的指导性。为了防止早熟收敛现象的发生,采用最大一最小蚂蚁思想来限制信息素的强度。仿真研究表明：该算法具有高适用性和灵活性,对解决静态路径规划问题是可行的,有效的。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题,提出了一种基于遗传模拟退火算法的静态路径规划方法.通过对算法进行实验仿真,结果表明提出的静态路径规划方法是正确有效的.     

非确定环境下基于遗传算法的机器人路径规划方法研究

采用栅格法建立机器人工作环境模型,并用MATLAB语言随机产生栅格中障碍物的位置及数量,应用遗传算法完成机器人路径规划,对遗传算法的插入和删除操作进行了改进,提高了遗传算法的搜索速度,并采用序号编码的方法,减小编码长度,简化遗传算法程序,缩短程序执行时间。仿真结果表明了该方法的有效性及可行性。     

基于Limit-cycle的机器人动态路径规划方法

移动机器人安全导航是机器人应用在军事领域的关键技术，也是机器人智能化的重要指标．本文采用基于Limit-cycle(极限环)的路径规划方法进行机器人避障，可以有效地避免机器人与障碍物相碰，灵活地应对动态变化的环境，能够实现局部路径规划，在MATLAB仿真平台上验证了该方法的正确性及有效性．     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

一种实用的移动机器人及其路径规划策略

设计了一种可执行搬运任务的轮式移动机器人，并结合实际，提出了一种简单实用的路径规划策略。该算法实施简便，实用性强，使机器人能够准确按照预定路线，遍历所有目标地点。     

基于余弦算法的足球机器人路径规划

在分析基本算法不足的基础上,提出了机器人的路径规划方法,利用余弦曲线具有光滑、可微的特性,实时、有效地解决机器人避开障碍物从给定点到目标点找到一条最优路径规划问题。仿真试验表明：提出的方法具有较强的路径规划能力,计算量非常小,具有较高的实用价值。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

基于双圆弧算法的足球机器人路径规划

基于机器人小车到达定点常用Turn-Run-Turn方法及PID方法的不足,利用双圆弧具有满足任意端点及其斜率要求的特性,来解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.该方法简单有效,对机器人初始条件不加限制,计算量非常小,具有较高的实用价值.