头脑风暴优化算法求解带转角能耗多无人机路径规划问题

多台无人机协同完成野外传感器数据采集的工作中,建立具有精确能耗模型的多无人机路径规划问题模型尤为重要。提出了带转角能耗多无人机路径规划问题(multi-UAV path planning with angular energy consumption,MUPP-AEC)模型,该模型考虑了无人机在加速、减速、匀速、转角等飞行条件下的能耗差异。针对MUPP-AEC的特点,提出目标空间聚类离散头脑风暴优化算法(discrete brain storm optimization algorithm in objective space,DBSO-OS)。该算法采用个体空间整数编码和带2-opt的分阶段贪婪法解码策略,并对扰动算子和个体更新算子进行了离散化定义。个体更新算子中采用了混合随机反转变换和部分匹配变换的生成策略。实验结果表明:DBSO-OS能有效地求解MUPP-AEC;所提离散头脑风暴算子在全局收敛能力、求解精度和稳定性等方面均优于传统头脑风暴算子;在中小规模测试算例和较大规模测试算例的测试中,DBSO-OS优于对比算法。

基于深度学习的商品分拣系统设计与实现

在不间断的流水线作业环境下,采用普通的人力进行商品分拣的效率低,错误率高。此外,单一的分拣系统无法适应多种物体分拣的情况。因此,提出了一种基于深度学习的商品分拣系统。该系统采用基于SSD算法的多目标检测进行目标对象的类别识别,采用TensorFlow框架提高识别准确率,使用RRT算法实现路径规划,同时增设训练模型以适应不同使用场景。实验表明所提出的系统夹取效果能够满足流水线作业环境下进行分拣的需求。

CVRP的改进离散蝙蝠算法

针对带容量约束问题的车辆路径问题(Vehicle Routing Problem,CVRP),提出了一种改进的离散蝙蝠算法进行求解。所提出的算法定义了离散的蝙蝠位置、速度、频率以及更新规则。进一步,通过贪心规则对车辆的路径进行容量约束,并引入了局部交换策略进行局部搜索。实验证明,所提出的算法能够有效地解决CVRP。

基于人体关节检测的机械臂交互系统的研究与实现

随着科技的飞速发展,智能机器人的应用不断扩大和深化。基于视觉的交互式机械臂控制系统使得机器人可以在恶劣复杂的环境下,远程代替工作人员进行操作控制,设计的友好人机交互界面可以用于特殊环境下的情况感知,而无需人类在现场。通过对人体关节的检测实现对机械臂的控制。