基于动态规划算法的机器人避障路径研究

为了使复杂的移动机器人路径规划问题得到简化。并减少可行路径的计算量．对避障路径规划问题进行了比较深入的研究．在以可视图法所建的求解环境为基础上,将避障路径规划转化为多阶段决策问题,对每一个阶段的子问题应用改进可视图法和几何逼近算法进行求解,得出各阶段的最短路径．验证表明：该算法是一种正确、高效,实用的算法．     

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.     

基于Q学习算法和遗传算法的动态环境路径规划

针对Q学习算法在动态连续环境中应用时因状态连续、数量过多,导致Q值表出现存储空间不足和维数灾的问题,提出了一种新的Q值表设计方法,并设计了适用于连续环境的R值和动作.不同于以状态-动作为索引,将时间离散化为时刻,以时刻-动作为索引来建立Q值表.将在某状态应选择某一动作的问题转化为在某时刻应选择某一动作的问题,实现了Q学习算法在动态连续环境中的应用.采用了先利用遗传算法进行静态全局路径规划,然后利用Q学习算法进行动态避障.整个方法为一种先"离线"后"在线"的分层路径规划方法,成功实现了移动机器人的路径规划.仿真结果验证了所提出方法的有效性.     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

车辆导航系统的动态最优路径搜索模型及算法

根据车辆导航系统提供的周边交通信息来确定当前位置到达目的地的最优路径，是现代交通管理的一个热点难题。由于道路交通状况的时变性和不确定性以及道路状况的复杂性，使得求解此类最优路径十分困难。对于动态网络，传统算法往往存在着严重的不足，结合遗传算法的特点，建立求解动态最优路径模型及算法，实验结果表明，该方法可以有效地解决动态最优路径问题，具有理论参考价值和实际意义。     

校车最优路径规划算法研究

校车最优路线的规划直接影响全校师生的工作、学习和生活。采用Dijkstra算法和GIS技术相结合的方式,根据对校园师生问卷调查的结果确定停靠站点,建立最优路径规划算法的前提条件;从起点到终点及中间的连接点,计算校园各乘车站点之间的最优路径规划方案,提高校车利用率,在保证校园师生安全的前提下,节省广大师生的时间,提高获取教育资源的便捷程度,降低校园能耗。     

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.     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

基于神经过程-粒子群算法的移动机器人路径规划

针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题,将运动过程预测思想集成到粒子群优化算法中,构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时,利用神经过程预测个体位置,增加了迭代后期粒子群体的多样性,避免过早陷入局部最优,从而提高算法优化能力。实验结果显示,改进算法用于解决机器人路径规划问题,整体性能优于传统的粒子群优化算法。     

一种基于模糊理论的最佳路径选择方法

目的　为车辆用户高效、快速、便利地出行提供一种最佳的行驶路线 .方法　利用模糊理论的概念提出了一种模糊综合评判的方法 .结果与结论　基于模糊综合评判的最佳路径选取算法能够为驾驶员提供较合理的高效行驶路线 .     

基于宁波市的公交出行路径选择模型

本文建立了以最少换乘次数、出行距离与出行费用为评价指标的最优路径选择模型。在搜索可行路径时,将乘客的步行意愿考虑在内。针对得到的可行路径运用层次分析法(AHP),建立成对比较矩阵,计算出每条可行路径的综合权重。通过比较每条路径的综合权重选择最优出行方案。     

区间线性规划的最优解与强最优解

该文在研究了区间线性规划问题相关理论的基础上,引人区间线性规划问题的最优解和强最优解的定义,提出了区间线性规划问题的最优解与强最优解的充要条件,并通过算例说明了该方法的可行性。     

区间线性规划的最优解

该文指出了前人定义的区间线性规划最优解所在区间存在的问题,用反例说明其不足之处,给出了求任一介于区间线性规划问题任一最优值对应最优解的算法。     

基于动态规划原理的混杂系统二次型最优控制

针对性能指标为二次型的最优控制问题,对子系统切换时刻顺序固定的切换型线性混杂系统,利用动态规划原理,将一个多级决策过程分解为一系列易于求解的单级决策过程,即任意没定切换时刻lk(k=1,2,…,K)以后,将整个混杂系统寻优过程分解为K+1个单级寻优过程,并依此给出了混杂最优控制的解析构造方法和求解步骤,编制了基于MATLAB6．1的遗传算法程序,完成了最优搜索．     

一类特殊的非线性规划的最优解

讨论了一类特殊的非线性规划问题，给出了其最优解的解析表达式，最后给出了一个例子。     

基于模糊综合评判的选择洪泛式路由算法研究

引入模糊数学理论对计算机网络中路由选择进行了探讨和研究，从而为实现最小耗费和最大可靠性目标提出了一种新的简便有效的路由选择算法，最后就其应用结合算例作了说明。     

长途干线网路路由配置的优化设计

讨论了目前我国长途干线网路管理中电路群路由配置的问题,针对我国长途干线网有级且非网状网的结构特点,对于如何由原始网构成干线网作了理论上的探讨,建立了数学模型并予以简化,运用“模拟退火”的优化方法讨论了求解模型的基本方法和步骤。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.     

最优生产函数的数学规划方法

在讨论公理化生产可能集概念的基础上,对已知生产活动观测集的生产单元的生产可能集的构造形式给出了证明。提出了最优生产函数的概念并建立了确定最优生产函数的数学规划模型。本文提出的最优生产函数反映了生产行为的目的性。对多投入、多产出过程提出的两种最优生产函数是广泛意义下的生产函数,它们是点到集合的映射。