基于分区段优化方法的帆船绕标航行路径动态仿真

为便于在帆船绕标比赛中根据赛场环境变化选取最优行驶路径,介绍了分区段优化全航程路径的规划方法及基于模糊概念和进化理论的区段航行轨迹优化方法,在MATLAB环境下建立了赛场最优航行路径的动态仿真模型.该模型可以动态模拟帆船的航行轨迹,可在每一区间实现最优航向点的确定.仿真结果显示:在给定赛场环境参数下,模型能给出最佳航速下的最优行驶路径及最佳航向角.     

基于改进自适应蚁群算法的无人帆船路径规划

针对特定环境下的无人帆船路径规划问题,考虑到无人帆船复杂运动特性及目前路径评价指标较为单一等问题,本文提出了一种基于改进自适应蚁群算法的无人帆船路径规划方法。通过对角线优先规则解决蚁群前期寻路的盲目性问题,加快最优路径收敛速度;结合无人帆船在特定风向风速下的航速大小设计启发函数,并在转移概率中增加目标终点对无人帆船的吸引作用,使无人帆船最优路径评价指标更加贴合实际应用;引进不同自适应调整策略分别改进蚁群算法信息素更新机制和搜索步长,达到平衡全局搜索和局部搜索的目的,有效避免无人帆船路径陷入局部最优。本文通过多组仿真对比实验,验证了所提算法的合理性与优越性。     

考虑电动汽车电量补给的最优路径规划方法

由于电动汽车电池技术限制及相关配套设施不完善等原因,电动汽车在行驶途中仍存在较大的抛锚风险,由此产生的驾驶员出行焦虑问题极大地限制了电动汽车出行品质的提升,成为当前电动汽车推广和发展亟需解决的难题.本文提出一种考虑电动汽车电量补给的出行路径规划方法,首先,基于实时路况建立综合考虑行驶能耗和附件能耗的电动汽车动态能耗模型...     

路网上车流最优运行路径选择方法的研究

当不考虑路段之间通过能力限制和车流波动时，各车流的路网上运行路长可以用一般的求最短路的方法求解。当考虑以上两种因素时，优化的目标要保证所有流在网络上运行的总费用最小。本文作者建立了关于该优化的模糊规划模型，并给出了求解方法。对于一个给定的网络来说，这种选择路径的方法比较切合实际。     

帆船的模糊自适应控制方法研究

针对非线性、时变的帆船航行系统,提出了一种基于T-S模糊模型的帆船模糊自适应控制新方法.该方法采用T-S模糊模型,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.利用线性神经网络技术的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实际应用价值.     

基于几何学的路径规划方法

提出的路径规划方法通过几何法寻找机器人与目标点之间的优化点,连接这些点生成机器人到达目标点的一条无碰撞优化路径.该方法计算量小,适合于静态和动态避障.基于这种方法,还提出了一种新的射门动作.     

基于模糊决策法的水下机器人路径规划方法

路径规划是自主式水下机器人研究及实用化中的重要问题之一 .本文对基于模糊决策法的水下机器人实时路径规划方法进行了探讨 .首先 ,水下机器人通过测距声呐对其运动前方 180°的范围进行实时探测 ,得到环境信息 ,通过模糊决策进行实时规划 ,得到避障所需的转动方向及角度 ,对于墙角等特殊情况参照连续转角记录仪对转角进行修正 ,实现特殊环境下的运动避障 .上述过程通过计算机仿真得到了较满意的结果 .     

改进遗传算法在一类最优路径规划中的应用

智能交通系统是解决当前交通问题的一个非常好的途径，它已经引起了人们的广泛关注。文中提出了一种改进的遗传算法，通过将初始群体进行组合，成组地进行遗传算法操作，求出一个初步的最优值，然后再将这个初步最优值分解进行遗传算法操作。这种方法加快了智能交通中最优路径的搜索，同时也是对遗传算法操作的一种改进。     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

基于出行计划数据的最优路径规划方法

现有基于交通流预测的路径规划方法大多使用历史或实时交通流数据,预测时效性有待提升.针对上述问题,提出基于出行计划数据的路径规划方法（RPTP）.该方法能主动捕捉出行者的未来交通需求,为车辆提供更合理的出行路线.基于出行计划的思想,设计基于出行计划数据的路径规划整体框架;构建基于出行计划路线数据的未来时段路网密度估计算法;采用空间堆叠的方式融合未来多时段路网密度,以此为依据改进D*Lite算法的启发函数.采用SUMO平台仿真验证,与静态路径规划方法（SPP）和滚动路径规划方法（RPP）进行对比分析.结果显示,在相同环境下RPTP方法能提高车辆的通行效率,缓解路网拥堵,有效验证了RPTP方法的优越性.     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

Novel constrained multi-objective biogeography-based optimization algorithm for robot path planning

A constrained multi-objective biogeography-based optimization algorithm （CMBOA） was proposed to solve robot path planning （RPP）. For RPP, the length and smoothness of path were taken as the optimization objectives, and the distance from the obstacles was constraint. In CMBOA, a new migration operator with disturbance factor was designed and applied to the feasible population to generate many more non-dominated feasible individuals; meanwhile, some infeasible individuals nearby feasible region were recombined with the nearest feasible ones to approach the feasibility. Compared with classical multi-objective evolutionary algorithms, the current study indicates that CM- BOA has better performance for RPP.     

一种采用两段粒子群优化的路径规划方法

在路径规划中普遍采用多条短曲线拼接成一条长曲线,这种方法通常只实现了C1连续,导致相邻短曲线在连接处的二阶导数不连续。为解决这个问题,采用具有C2连续特点的三次B样条曲线作路径,并提出一种两段粒子群优化实现路径规划。在第一阶段确定B样条曲线的控制顶点数,在第二阶段搜索最优路径。为保证粒子的有效性,依据B样条曲线的特点改进了粒子的初始化方法。在适应度函数中通过弧长因子、碰撞因子分别考察路径的长度及碰撞检测,粒子通过循环逐步逼近全局最优解。实验结果表明粒子初始化采用改进的方法后更接近实际路径,采用两段粒子群优化算法能获得C2连续的路径。     

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．     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

Intelligent learning technique based-on fuzzy logic for multi-robot path planning

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｃｔｕａｌｌｙ,ｍｏｒｅａｎｄｍｏｒｅｇａｍｅｒｏｂｏｔｓｙｓｔｅｍｓａｒｅｓｈｏｗｎｏｕｔｉｎｔｈｅｗｏｒｌｄ .Ｏｆｔｈｅｍ ,ｓｏｃｃｅｒｒｏｂｏｔｓｙｓｔｅｍｓａｒｅｔｈｅｍｏｓｔｐｏｐｕｌａｒｏｎｅｓ .Ｓｏｍｅｗｏｒｌｄａｓｓｏｃｉａｔｉｏｎｓｏｆｓｏｃｃｅｒｒｏｂｏｔｈａｖｅｂｅｅｎｏｒｇａｎｉｚｅｄ .Ｔｈｅｉｒｃｏｍｐｅｔｉｔｉｏｎｓａｒｅｈｏｌｄｉｎｍａｎｙｃｏｕｎｔｒｉｅｓｅａｃｈｙｅａｒ.Ｓｏｃｃｅｒｒｏｂｏｔｓｙｓｔｅｍ(ＳＲＳ) (ｓｍａｌｌｓｉｚｅ)ｉ…     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

基于快速扫描随机树方法的路径规划器

介绍了一种基于快速扫描随机树的启发式路径规划方法．该方法以初始点为根节点进行扩展,直至随机树的叶节点中包含了目标点或目标区域中的点为止．引入了KD树并以前一帧规划出的路径为基础进行下一帧的运动规划以缩短规划时间．用该方法可以规划出最优路径或次优路径．     

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.