基于双重遗传算法的多机器鱼路径规划

为更快地计算出机器鱼之间在协调合作下的最优路径,提出一种基于改进的遗传算法的多目标路径规划方法。在传统遗传算法的基础上加入了插入、删除和修复算子,提高了算法的搜索效率,在选择算子中加入了避免外部存储器中出现相同个体的机制,防止＂早熟＂收敛,并将该算法引入到多机器鱼路径规划中,通过变异、选择等操作得到最优路径。水中机器鱼比赛2D仿真平台上的实验结果表明：该算法具有较快的搜索效率和较强的适应性,并大大提高了系统的协调性。     

基于遗传算法的机器鱼水中路径规划

针对机器鱼水中路径寻优的具体要求,提出一种以遗传算法为基础的机器鱼路径规划方法。通过介绍遗传算法的3种基本操作,将遗传算法应用到试验场景中规划出最优路径,分析研究了一种根据目标点与机器鱼的距离变化而改变机器鱼运动速度的策略,并进行仿真分析和实验。仿真结果表明：采用遗传算法的水中救援路径规划可将救援时间缩短30%以上,提高了寻优效率。说明遗传算法对机器鱼的路径规划具有积极效果和快速寻优特性。     

基于模糊逻辑和几何学的机器鱼顶球路径规划

针对人工势场法及流场法的缺点,将模糊逻辑与几何学路径规划方法相结合,提出一种新的机器鱼顶球路径规划方法。利用几何方法规划机器鱼的运动轨迹,采用模糊规则产生机器鱼的方向控制指令,使得机器鱼能够沿期望轨迹运动,并在机器鱼平台上进行了验证。结果表明,该方法是有效的,能使机器鱼的位姿始终处于最佳的顶球状态。     

基于合作博弈的多机器鱼路径规划

为更好地实现机器鱼之间的协作,避免只规划单个机器鱼的最优路径而使系统运动有失协调性,提出基于合作博弈的多机器鱼路径规划方法。利用博弈论中的合作博弈建立数学模型,将系统中的多机器鱼对应于博弈的参与者,对多机器鱼路径构造合作模型下的博弈方得益函数,求得系统的帕累托(Pareto)最优解,从而得到整个系统的最优路径。在水中机器人2D仿真平台上进行实验分析并用Matlab模拟机器鱼轨迹。分析结果表明,该路径规划理论应用在多机器鱼运动系统中是有效、可行的。     

基于任务规划的多机器鱼协作策略

为解决2D仿真机器鱼比赛中多鱼对抗项目的任务分工、整体合作及实时动态调整问题,提出基于多机器鱼协作任务规划原理的协作策略。根据机器鱼自身完成任务的能力和效率,将给定的任务分解和分配,按照各比赛项目的特征分别采取不同的协作策略:对2vs2采用群协作分配方式,5vs5项目采用集中分配方式,并设计了三鱼协作队形以提高动作的有效性。仿真结果表明:该协作任务规划方法可增强多鱼的协作能力、动态调整能力和进球率,较好地满足了多机器鱼系统的控制要求。     

基于位置反馈的多机器鱼编队控制

为实现多机器鱼的队形控制,在图论队形控制理论的基础上引入一种基于位置反馈的队形控制策略。介绍参考机器鱼的概念,在任一时刻都设定一个保持不动的参考机器鱼,其它机器鱼则根据当前参考机器鱼的位置及机器鱼之间的信息交互来调整其相对位置,使多机器鱼系统在有限时间内实现任意队形的形成。在水下机器人2D仿真平台上进行实验,并给出不同情况的实验结果。仿真结果表明：该方法整体性好,鲁棒性强,抗干扰性强,计算简单,可实现任意队形。     

机器鱼仿真水球斯诺克比赛策略

针对中国水中机器人大赛中2D仿真机器鱼水球斯诺克项目,从比赛策略和控制方法 2方面进行研究。介绍仿真平台及斯诺克项目,给出机器鱼对目标球及最佳球洞的选择策略,提出一种基于虚拟区域法的路径规划方法,对仿真机器鱼的运动进行控制。实践结果表明,虚拟区域法在路径规划上是有效的。     

基于遗传算法的后勤运输车路径规划

采用遗传算法对后勤物资的运输路径优化问题进行研究,设计了遗传编码方案和遗传算子,利用Matlab遗传算法工具箱函数进行了算法实现与仿真。优化结果表明,遗传算法可以有效地完成路径寻优,实现运输过程中的行驶里程最小化。     

基于遗传算法的巡飞器路径规划

分析和对比了可应用于巡飞器路径规划的几种主要研究方法,提出了基于遗传算法的巡飞器巡飞路径规划方法.针对出现的多目标优化问题,采用分时分目标的优化方法,减小了计算量,有效地加快了解向期望值的收敛速度.针对探测阶段的定高度和变高度巡飞路径进行了规划,得到了满足要求的优化结果,给出了所需要的最小航程,为后续的巡飞器推力方案设计和气动外形设计提供了依据.     

基于URWPGSim2D平台的机器鱼稳定性及路径规划

水中机器人水球比赛2D仿真平台URWPGSim2D是对水中机器人进行仿真测试的平台,由北京大学智能控制实验室组织开发,真实模拟仿真机器鱼各个关节的位姿变化,运动状态变化及机器鱼水球比赛运行等状况.基于 URWPGSim2D 平台提供的策略,经过大量实验对比,对水中机器人在仿真环境下的稳定性进行深入研究,意在提高水中机器人的稳定性,从而提高仿真比赛项目策略的健壮性,进而为未来实体水中机器人奠定良好的算法基础.该策略实现的比赛程序在2016年国际水中机器人大赛中荣获二等奖,表明了策略的有效性.     

基于免疫遗传算法的轮式装甲车辆CGF路径规划研究

为了改进轮式装甲车辆CGF路径规划能力,提高CGF路径质量,在基本遗传算法的基础上,结合生物免疫学原理,加入了免疫算法的部分思想,研究一种改进的免疫遗传算法用于轮式装甲车辆CGF全局路径规划。经过仿真实验证明,免疫遗传算法的性能较遗传算法有一定提高,算法收敛更快和规划路径质量更优。     

基于遗传算法的无人侦察机航迹规划

提出了基于遗传算法的URAV航迹规划,将航迹规划的多种约束与算法相融合,综合考虑了多种约束条件对航迹规划的影响.算法采用了改进的航迹极坐标编码方式,算法参数采用了自适应的交叉率和变异率,实现了URAV以最小的被发现概率到达目标点,仿真结果表明该方法是可行而有效的.     

一种基于遗传算法-模式搜索法的无人机路径规划

为改善遗传算法局部寻优精度较差的固有缺陷,提出一种基于遗传算法-模式搜索法的无人机路径规划算法.采用简单的一维编码表示路径,构造了路径最优化的目标函数和适应度函数.先用遗传算法全局搜索,得到全局近似最优路径,在此基础上使用局部寻优精度好的模式搜索法,得到精度更好的路径.仿真结果表明所提的遗传算法-模式搜索法改善了单一遗传算法局部寻优精度较差的缺陷,提高了路径规划的精度.     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

三坐标测量机中基于遗传算法的多特征测量路径规划研究

讨论了遗传算法在三坐标测量机测量复杂零件中的应用,提出了建立关系矩阵及搜索有效路径的新方法,详细阐述了遗传算法中群体初始化、选择、交叉、变异等算子的实现过程,最后用实例验证了测量路径优化的有效性。     

基于贝叶斯优化的三维飞行航迹规划

提出了一种基于贝叶斯优化算法的飞行器三维航迹规划方法。把飞行航迹编码为离散时间间隔上飞行器速度向量的变化序列。采用固定时间间隔时,这种编码方法把每一步速度向量的变化量都限制在飞行器最大加速性能之内,所以这种编码方法对应的物理轨迹是可飞的。利用每代种群中的可行解集合构造贝叶斯网络,用贝叶斯网络的结构体现染色体基因位之间的联系,用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化,这取代了传统遗传算法的交叉和变异过程。如果种群中最优个体不满足终止条件,则用新一代种群的可行解集合构造贝叶斯网络,直到满足终止条件。仿真结果验证了算法昀有效性。