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。     

移动机器人RRT算法改进研究

目前,机器人路径规划常用算法有避障(Bug)算法、概率路线图(PRM)算法、快速搜索随机树(RRT)算法、蚁群算法、人工势场法等,其中RRT算法在路径规划中应用最广。针对RRT算法存在随机性强、偏差大、路径不一定最优、收敛速度慢等缺点,对RRT算法进行改进,引导随机树向目标点生长,借助人工势场的引力思想,并加入自适应策略,通过机器人与目标点位置、速度和加速度的不断变化来改变步长大小,使机器人快速到达目标点。实验结果表明,通过自适应RRT算法可以提高算法收敛性,缩短了算法时间,可以有效应用在移动机器人系统上,提高移动机器人的工作效率。     

基于改进RRT算法的差动机器人路径规划

为了解决快速扩展随机树(RRT)算法在差动机器人路径规划中存在的最近邻函数不合理、收敛速度慢、路径曲折等问题,提出一种改进RRT算法。该算法沿用RRT算法基本框架,在最近邻函数中添加角度变化,以满足差动机器人自身约束;在节点扩展阶段引入启发步长因子,使扩展步长根据节点位置和扩展方向动态调整,加快搜索效率的同时兼顾规划成功率;对初始规划路径进行修剪和平滑处理,以得到差动机器人的可执行路径。仿真实验结果表明,该算法减少了路径搜索时间,生成的路径更为平滑,易于差动机器人跟踪控制。     

基于改进RRT算法的无人机三维避障规划

RRT算法由于其在复杂环境中有强大的随机搜索能力,在无人机避障规划中被广泛运用.为了提高无人机避障规划的效率,提出了一种基于预规划路径优化RRT算法的无人机三维避障规划算法.算法首先在障碍物膨胀规则和相交规则下生成预规划路径,然后将预规划路径看做成连续的质点组成,按一定的扩展树步长的比例从连续质点取点来确定搜索树的随机状态点,最后RRT算法在这些随机状态点的引导下进行搜索,生成避障规划路径.仿真结果表明,改进的RRT算法生成的预规划路径降低了障碍物搜索的时间和增强了搜索树扩展的方向性;预先确定的随机状态点使搜索树在扩展中具有方向性,可减少新生节点的个数和路径长度,进而提高了无人机避障路径规划的效率,使得最终生成避障路径的时间更优.     

基于改进RRT-connect的四旋翼无人机避障轨迹规划算法

针对四旋翼无人机在低空复杂环境自主巡航所需的航迹规划问题,提出了一种基于快速搜索随机树(RRT-connect)的改进型算法。根据四旋翼无人机的微分平坦特性,合理设计了规划空间;引入转角约束和路径修剪方法,在保证规划实时性的基础上使所规划路径的平均长度缩短了19%;通过B样条函数对路径进行平滑处理,使生成的轨迹具有二阶几何连续性,同时能避免与障碍物区域发生碰撞。经多次重复对比试验,证实了提出算法的有效性、优越性和稳定性。     

基于改进渐进最优的双向快速扩展随机树的移动机器人路径规划算法

针对带启发式的快速扩展随机树（RRT-Connect）算法路径生成的随机性以及渐进最优的双向快速扩展随机树（B-RRT^*）算法收敛速度的缓慢性，提出了一种基于B-RRT^*改进的高效路径规划算法（EB-RRT^*）。首先引入一种智能采样函数，使随机树的扩展更具方向性，从而减少寻路时间，并提高路径的平滑性；其次在B-RRT^*算法的基础上，在EB-RRT^*算法中加入了一种快速扩展策略，使改进后的算法在自由空间中使用RRT-Connect算法的扩展方式进行快速扩展，而在障碍物空间则使用改进的渐进最优的快速扩展随机树（RRT^*）算法进行扩展，在提高扩展效率的同时避免算法陷入局部最优。将EB-RRT^*算法分别与快速扩展随机树（RRT）、RRT-Connect、RRT^*和B-RRT^*算法进行仿真对比，仿真结果表明，改进后的算法在路径规划效率及路径平滑性方面均明显优于其他算法；且相对于B-RRT^*算法，其在路径规划时间上降低了68.3%，在迭代次数上减少了48.6%。     

A*树搜索算法代价与误差关系的研究

本文对Ｐｅａｒｌ提出的Ａ^*算法所使用的可采纳性启发式函数ｈ的准确性和期望代价之间的精确关系的两个定理做了介绍，并提出和证明了为确保这两个定理正确性的附加条件．     

一种改进的和声搜索算法

针对基本和声搜索算法的不足,提出一种改进的和声搜索算法.首先在和声搜索算法的记忆库中加入权重,减少搜索的随机性;其次让扰动方程中的带宽具有自适应性,从而提高原算法的鲁棒性和收敛速度.算法在计算机上予以实现,并通过一系列测试函数求解,验证了改进算法与基本和声搜索算法及其他智能算法相比,能得到更多的最优解和较小的方差.     

一种基于改进快速搜索随机树算法的管路自动布局方法

针对非正交管路自动布局问题,提出一种基于障碍物碰撞信息的快速搜索随机树 改进算法。该算法主要采用基于碰撞信息的节点扩展策略、快速绕障算法以及基于概率思想的 节点扩展策略3 种方法进行改进,能够在较短的时间内搜索出一条沿结构件表面从起点到终点 的路径,在此基础上采用基于关键节点的路径优化策略,对求解得到的布局路径进行优化后形 成最终的管路布局结果。开发了原型系统,通过实例验证了该算法的可行性。     

基于RRT算法的障碍物移动模型研究

现有的移动模型大多基于理想状态来模拟实物的运动,而不考虑其中障碍物的存在,这往往导致模型与现实场景存在一定的差距。因此,设计了一种适用于障碍物环境下的移动模型。通过在仿真场景内设置若干圆形障碍区,在传统的随机路点移动模型(RWPM)的基础上,引入快速扩展随机树(RRT)算法来探测障碍物,找到一条通往终点的路径。首先介绍了RWPM模型的运行原理,并分析了将它运用在障碍环境下的缺陷,接着对RRT算法进行详细阐述,然后通过Mat?lab仿真工具,将改进后的移动模型与传统的RWPM模型应用在两种不同的障碍物场景中,分析其节点概率分布情况。结果显示,改进后的移动模型不仅能更好地适应现实中多障碍物存在的情况,还具有更优的概率分布。     

基于改进RRT算法的无人车路径规划

针对无人车在复杂环境中进行全局路径规划时存在的盲目搜索、节点冗余、路径不光滑及不安全等问题,提出一种基于快速扩展随机树(RRT,rapidly-exploring random tree)的综合改进路径规划算法;首先引入目标动态概率采样策略和人工势场引导随机树扩展机制;其次根据汽车运动学模型,对规划的路径进行转角约束和碰撞检测,保证路径的安全性;然后引入Reeds-Sheep曲线用于直接与目标位姿进行连接,避免多余的位姿调整;最后对路径进行剪枝和平滑处理,得到一条更短更光滑的路径;在实验部分,针对不同仿真环境,以规划时间、路径长度和节点数目作为评价指标,对比了RRT算法、RRT*算法和文章算法的路径规划效果;实验结果显示,文章算法相比于RRT算法和RRT*算法,节点数目分别减少了58.94%和85.22%,规划时间分别缩短了61.20%和79.23%,且路径长度相比于RRT算法缩短了17.26%,并和RRT*算法规划的最优路径长度相近。     

多路口环境下RRT的最优路径规划

针对于多路口环境下RRT的搜索时间长,搜索范围广和路径不平整的问题。提出一种基于路标引导和增长采样区域的混合策略来引导RRT算法向目标搜索。将对地图做预处理,处理掉较小的障碍物,尽可能保存大障碍物,得到预处理地图;在新地图上路口区域设置路标点,路标点的可视区域的组合要覆盖整个地图,根据其在新地图上的连通区域,通过寻找出一组从起点到终点的最优路标点组合,以相邻两路标之间构建移动增长采样区域来引导RRT算法快速向目标搜索;用树枝修剪和二次贝塞尔曲线拟合生成光滑路径。通过仿真实验验证了算法的有效性、合理性和正确性。     

改进A*算法的水面舰艇静态航路规划

针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题,结合电子海图提出了一种改进A*算法的航路规划方法。提出一种自适应的改进启发函数,在搜索节点时加入目标节点的方位信息,加快了A*算法搜索路径的速度;加入迫使航路远离障碍物的安全距离,解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题;对原始航路进行二次优化,在对原始路径提取转折点后,通过判断任意两个转折节点的直线可达性,将转折节点之间的实际距离转化为距离矩阵,使用Dijkstra算法优选出航路长度更短的关键转折点,最终使用二阶贝塞尔曲线对航路转折处进行平滑处理,以满足航路平滑且易跟随的要求。仿真实验表明,相对于传统A*算法,改进算法规划的路径具有寻路速度更快、航路距离更短、航路安全性更高的特点。     

基于启发式搜索算法的网格信息查询优化

如何提高网格信息系统的查询效率是提高网格性能的关键问题之一。在基于资源分类树(将计算资源按其属性和数值组织成平衡二叉树)的网格信息系统中,资源分类树深度过大,搜索效率就会降低。针对该问题,提出基于启发式搜索算法的查询优化方案并成功应用于原有的查询系统。给出具体的算法、实验步骤及结果分析。实验结果表明,采用启发式搜索可以提高网格查询系统的查询效率。     

一种改进的基于二叉树搜索的防碰撞算法

通过对现有防碰撞算法的分析,在二叉树搜索算法的基础上提出一种新的以矩阵形式为搜索结构的混合树防碰撞算法。该算法采取段式搜索,即每次发送的碰撞前缀为多个非碰撞位与碰撞位的组合,在碰撞位位数的选取上采取遇到单个碰撞位进行二叉树分裂,遇到连续碰撞位进行四叉树分裂的策略,从而缩短标签识别时间,并通过理论证明了该算法的有效性。     

改进二进制和声搜索算法求解多维背包问题

和声搜索（HS）是一种已广泛应用于连续优化问题的元启发式方法。针对典型的组合优化问题——多维背包问题（MKP）,提出一种改进二进制和声搜索（IBHS）算法。算法通过伯努利随机过程生成二进制群体,在候选和声生成算子中,引入动态自适应参数,通过算法参数的自适应调整来协调算法的全局搜索和局部搜索,并提出一种新的更有效的衡量商品多维加权价值密度的方法用于二进制个体修正和优化;引入精英局部搜索机制进行协同寻优,提高IBHS的收敛速度。通过求解10组不同规模的典型多维背包算例和与贪心二进制狮群优化（GBLSO）算法、改进的差分演化（MBDE）算法以及二进制修正和声（BMHS）算法的对比分析,实验结果表明,所提算法在求解MKP时有具有良好的收敛效率、较高的寻优精度和很好的鲁棒性。     

求解NWFS调度的改进和声搜索算法

以无等待流水车间(NWFS)总流水时间为优化目标,提出一种改进的和声搜索算法。建立NWFS调度优化的问题模型,设计总流水时间的快速评估方法。采用LPV规则实现离散问题的连续编码,给出改进的和声搜索算法对总流水时间执行优化,达到总流水时间的全局和局部最优。对标准算例做仿真,并在相同条件下与现有算法比较,验证该算法的可行性和有效性。     

基于Voronoi图的自适应快速码字搜索算法

PVDS算法因搜索固定数量的纹波导致搜索范围过大,编码效率较低。针对该问题,提出一种基于Voronoi图的自适应纹波搜索算法APVDS。通过实验确定一组合理的阈值,每搜索一个纹波就根据阈值判断是否达到搜索停止条件,由此减少所需搜索的纹波数。仿真实验结果表明,自适应搜索到2个纹波后,APVDS与PVDS算法的编码质量基本相同,但平均搜索范围明显缩小,平均编码时间也相应减少。