面向对象的自主车越野路径规划的设计和实现

本文介绍了一种使用启发式估值函数进行二次搜索的路径规划方法，设计和实现了自主车的越野路径规划。首先是在领域式规划空间上进行领域式搜索，由于该空间是一种面向地形本身分布特点和性质的地质分割，解路径的粒度较粗，因此又进行了在栅格规划空间上的第二次搜索－栅格搜索，以对解路径进行细化，最佳结点只在三个方向上扩展，并取代价最小者。     

采用改进D*Lite算法的自主移动机器人路径规划

针对动态环境下自主移动机器人的路径规划问题提出了改进D*Lite算法;该算法在D*Lite算法的基础上,引入Bresenham画线算法对扩展节点进行可视检测,得到方向任意且避免不必要转折的预规划路径,并建立分辨率高于全局障碍图的局部障碍图,动态存储传感器实时获取的局部环境信息,充分利用局部环境信息实时重规划机器人当前位置到目标点的最优路径,提高算法的规划精度及对动态环境的适应性;仿真实验结果证明,该算法大大缩短了路径长度,并且具有可行性和实时性.     

基于WGAN-GP的搜索式路径规划算法

为了提升搜索式路径规划算法在C字型障碍中的探索效率,提出了一种基于对抗生成网络的A*算法。首先使用训练更为稳定的梯度惩罚Wasserstein对抗生成网络（WGAN-GP）生成存在可行路径的感兴趣区域;然后使用A*算法优先探索该区域,使得路径规划能够被有效引导;最终形成一条连续的路径。经过实验仿真验证,其相较于传统A*算法节约了31%的规划时间、减少了22.84%的探索空间,提升了路径规划算法的效率。实验结果表明,改进的A*算法具有较高的探索效率,能够更好地应用于机器人路径规划中。     

一种实时多目标路径规划方法

提出一种利用实时搜索思想的多目标路径规划方法.首先设计并实现局部路径规划算法,在有限的局部空间内执行启发式搜索,求解所有局部非支配路径;在此基础上,提出实时多目标路径规划方法,设计并实现相应的启发式搜索算法,在线交替执行局部搜索过程、学习过程与移动过程,分别用于求解局部空间内的最优移动路径,完成状态的转移和更新状态的启发信息,最终到达目标状态.研究表明,实时多目标启发式搜索算法通过限制局部搜索空间,避免了大量不必要的计算,提高了搜索效率,能够高效地求解多目标路径规划问题.     

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术，提出一种用于解决有限资源，不同重要性要求的任务路径规划问题的有效算法，通过对不同重要程度的任务进行分层调度，得到较为满意的决策结果，该处具有搜索空间小，求解速度快的优点。仿真结果验证了算法有效性。     

带时间窗口动态车辆路径规划模型及其求解算法

基于事件触发,把带时间窗口动态车辆路径规划问题（DVRPTW）分解成一系列延迟快照,在快照基础上建立相应的动态数学模型,并提出双缓冲区改进大邻域搜索算法进行求解。利用算法的特点,实现新请求无缝插入。采用Solomon设计的56个100节点范例和Lackner相应的动态测试数据,经不同类型动态实例的实验表明,所建立的模型和给出的算法是有效的。     

复杂装配体多层次装配路径规划研究

针对传统装配路径规划方法应用于复杂装配体时出现的组合爆炸问题,提出了一种基于人机交互的改进A-Star(A*)算法多层次装配路径规划方法。算法在传统启发式路径规划算法的基础上引入了干涉威胁概率、平滑度代价、权重系数参数,实现了算法不同侧重方向的最优路径寻找。算法首先根据基于人机交互的路径规划方法结合操作者的装配经验将复杂装配体划分为多个装配层次段,其次对各层次段中的装配零部件运用改进A*算法求解最优拆卸路径,并最终根据路径反演原则生成整个复杂装配体最优装配路径。结合算法仿真对比与KUKA工业机器人路径规划实例验证,得出上述方法较传统启发式路径规划方法提升了路径规划效率,满足了工业生产中复杂装配体自动路径规划需求。     

一种高质量的领域无关前向规划剪枝策略

前向启发式搜索和放宽规划方法被很多领域无关的规划器所采用,被认为是一种有效的规划范型.FF规划器利用放宽规划图计算状态的启发式估值,并提取有利动作集合进行前向搜索的剪枝.但过大的有利动作集合造成了过多的消耗.文中提出了一种新的高质量的领域无关剪枝策略.该策略根据放宽规划图的动作层和命题层之间的关系,提取出所谓的直接效用动作集合,此集合之外的其它动作都被剪枝.直接效用动作集合比FF的有利动作集合更加精简,更具启发性,能指导前向搜索集中在那些离目标更近的状态.根据直接效用动作作者开发了一种新的lookahead搜索邻居,并应用在改进后的增强型爬山搜索算法中,使得前向搜索具备良好的前瞻性.当增强型爬山法失败时,采取一种从局部极小值重启完备搜索的策略以保持系统完备性.通过对国际规划大赛基准问题的测试表明,基于该剪枝策略及前向搜索算法实现的前向规划系统有效地缩小了搜索空间,搜索的节点数目比FF的有利动作策略明显要少,搜索效率有显著的提升.     

基于强化学习的车辆路径规划问题研究

从机器学习的角度理解,车辆路径规划问题(VRP)可转化为单代理有限状态空间的强化学习问题进行研究.针对小规模VRP问题,提出时间差分模型,使用Sarsa和Q-learning算法进行优化.针对大规模VRP问题,构建环境模型,通过蒙特卡洛法优化代理策略和值函数.在公开数据集上的实验结果表明,强化学习能有效求解小规模VRP...     

基于RRT改进的智能车辆路径规划算法

针对RRT算法随机性大、收敛速度慢和偏差性的问题,采用双向随机树和多棵局部随机树的探索与合并。增加引力分量,使双向随机树朝着各自目标方向生长,减少了算法的随机性。基于障碍物周围均匀生成若干根节点,对根节点增加斥力分量,生成多棵局部随机树。快速寻找可通行的路径,减少扩展过程中对障碍物的检测时间,加快算法的收敛速度,改善了算法的偏差性。用MATLAB进行虚拟仿真,验证了该算法的正确性。     

基于启发式节点增强策略的PRM路径规划方法

针对一般的PRM方法用于移动机器人对复杂地形路径搜索存在的缺陷，本文对PRM方法进行了改进，提出了一套基于启发式的节点增强的策略，提高了PRM方法节点增强阶段对环境的适应性．此外，本文建立了相应的仿真实验系统对策略的有效性进行了实验与分析．     

自主车的局部路径规划

局部路径规划是自主车的一项关键技术,它的品质 密切关系到整个自主车系统的性能．本文提出了将自主式多智能体的任务和反应性行为模型 嵌入到离散事件系统框架中作局部路径规划的方法,此方法克服了势场法（包括早期的虚力 场法）的缺陷——即由于把所有信息压缩为单个合力而损失部分有价值的局部障碍物分布信 息,从而提高了局部路径规划的可靠性．     

自主车在模糊环境下的路径规划研究

本文讨论了基于三角形模糊数的模糊约束条件和基于梯形模糊数的模糊费用。通过对模糊费用函数清晰化，使模糊目标函数清晰化。最后用最速下降法进行路径搜索，实现了自主车在模糊环境下的越野路径规划。     

野外自主车姿态分析

本文提出了不平地面上自主式车辆的姿态分析方法.为简化问题,采用质量分布均匀的矩形平板代替履带式自主车,在此基础上给出了姿态的数学描述,并提出一种逐步搜索的数值算法,仿真实例验证了算法的有效性.     

一个实用的机器人两级规划与控制系统

本文首先论述了一个实用的工业机器人两级计算机控制系统,然后,提出了一种新的轨迹规划方法.这种方法以终端运行长为函数描述关节运动律,在运行折线时,转角处运动减速的值随夹角大小而异.最后本文给出了轨迹规划的仿真及在LUOTUO-Ⅱ工业机器人上实现实时控制的结果.     

轮式移动机器人轨迹规划起点选择的新方法

本文针对传统轮式滑动导向移动机器人的路径轨迹规划问题，提出了一种更简捷的算法，该算法有利于减少轨迹产生的时间，便于双轮协调控制及精确到位。     

动态环境中基于增强式学习的路径规划方法

本文结合机器人路径规划问题介绍了增强式学习方法 ,实现了动态环境中基于增强式学习的自适应路径规划 .增强式学习通过采用随机性的控制策略 ,实现策略的优化搜索和在线学习 .并采用具有模式增强输入的BP网络进行决策参数估计 ,加快学习的收敛 .仿真试验证明该方法能有效实现动态环境中机器人的避碰和导航     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

基于拓扑的路径规划问题的图形解法

本文提出一个解决基于拓扑的路径规划问题的新途径:图形法.介绍一个用图形法建立起来的适合于矩形形状的移动机器人在以线段和圆弧为边界的障碍物环境下运动的路径规划算法.该算法考虑了环境发生局部变化时在不改变或者仅仅对拓扑网络进行局部修改后进行路径规划的问题.图形法比较普遍地解决了二维拓扑路径规划算法的实现问题.