基于网格归一化Astar算法的船舶管路布置

为解决船舶管路布置方法中目前存在的依靠人工经验调节算法参数,权重系数的设置量级差距较大,以及求解布置方案单一的问题,提出一种网格归一化Astar (GNAstar)的布置方法.首先,采用包围盒和网格法建立数学模型.其次,通过分支管路拆分、网格标记值和父子网格搜索策略,使每一路径节点由不同目标的归一化权重值来共同决定,将传统Astar算法仅考虑长度的目标扩展成包括长度、弯头消耗和安装适用性的管路综合布置目标.最后,通过仿真案例将GNAstar算法与传统Astar算法进行对比分析,并以船舶机舱内不同管路系统为例,与文献中的蚁群算法和粒子群-Astar算法开展进一步比较.结果表明,GNAstar算法可获得有效的工程解,设计人员可通过设置不同目标的归一化权重系数来获得相应的布置方案.

船舶管线智能布置的优化Astar算法

针对船舶的复杂管系布置设计工作量大、效率低下且依靠经验等问题,提出了一种船舶管线智能布置的优化Astar算法,建立了用于计算机识别的船舶虚拟布置空间模型,包括相关设备模型、管线简化模型、布置约束模型和栅格模型。对传统Astar算法进行优化,基于管线长度、拐角个数和栅格能量值对代价函数进行重新设计,引入方向概率系数和能量值提高管线布置结果的确定性。通过案例的仿真模拟,探究了方向概率系数、能量值对于管线布置速率和质量的影响。结果表明:与传统Astar算法以及遗传算法相比,所提优化Astar算法的拐角个数分别减少了87%、50%;路径搜寻时间分别降低了67.5%、51.5%,进一步提高了管线布置效率。与传统Astar算法相比,优化Astar算法生成的船舶管线长度减小了49.8%,降低了管路成本,说明了该智能布置算法的适配性和优越性,对于实际船舶管线布置具有一定的借鉴性和指导性。

基于AStar算法的避障路径局部规划方法开发

介绍一种基于AStar算法的避障规划逻辑,并介绍与之配合使用的路径平滑算法,再将AStar算法与实际场景相结合,提出一种多次规划的避障逻辑,最后将此逻辑与Carla进行联合仿真与调试。

基于改进Astar算法的AGV路径规划

随着自动导引运输车(Automated Guided Vehicle,AGV)被广泛应用,有关自动导引车的问题应运而生,近年来成为了众多国内外学者研究的热点。本文研究了基于栅格环境下的AGV路径规划问题。先基于栅格法对地图进行建模,再在栅格地图环境中提出改进的Astar算法,可为AGV规划一条全局最优路径。

仓储工厂AGV路径规划算法研究

为解决AGV运输效率较低的问题,提出一种基于改进启发式函数优化搜索领域的同步双向Astar算法。首先,选择合适的启发式函数,采用动态加权法以减少遍历节点过程中产生的冗余节点;其次,采用五邻域搜索的方法,并采用哈希表结合二叉堆对openlist列表进行数据结构优化,增加一对开放列表和关闭列表将单向改为双向搜索以达到缩短搜索时间和提高搜索效率的目的,并针对规划路线拐点较多、路径不平滑的问题,提出采用贝塞尔曲线进行路径平滑的方法;最后,基于Unity3D开发引擎搭建虚拟工厂模型,在虚拟工厂环境中进行实验,证明了该方法在路径长度和搜索时间上的优越性,并采用AHP-模糊综合评价法从安全性、稳定性、通行效率几方面对仓储虚拟工厂AGV路径质量进行评估,验证该仓储模型下AGV路径规划的适用性、高效性和可靠性。研究结果可为工厂仓储物流中AGV物流路径的设计、优化和决策提供可靠的依据。

一类新的网络游戏场景3D障碍信息表达方案

针对传统网络游戏的2D场景向3D场景演化过程中游戏服务器所面临的障碍信息存储和访问的技术难题,提出伪3D和真3D 2种解决方案。伪3D方案通过对原2D方案的数据结构和寻路算法进行扩展,在2D数据逻辑基础上实现3D游戏场景。真3D方案将原2D场景的数据存储方案在纵向维度上完全扩展,再应用RLE压缩算法,解决纵向扩展带来的数据膨胀问题,同时兼顾访问效率。研究结果表明:伪3D方案适用于非完全自由、有限层可表达的3D场景,完全兼容原2D数据存储格式、寻路算法及功能模块接口,具有开发周期短、实施成本低的优势;真3D方案适用于完全自由、无限层可表达的3D场景,能够满足复杂的3D场景需求,并在空间效率和时间效率方面取得了较好平衡,可实现大型3D网络游戏场景障碍信息高效表达及访问的需要。

采用A星-遗传算法的船舶管路智能布置

针对船舶管路设计中的路径寻优问题,提出了一种采用A星-遗传算法的船舶管路智能布置方法。首先,建立了船舶管路布置空间模型,包括网格单元模型、管路简化模型、设备障碍物模型和约束规则模型。其次,对传统遗传算法进行了优化设计,在种群初始化阶段,加入障碍物判定函数替换以往其他研究采用的罚函数;在交叉和变异过程,引入A星算法生成子路径;引入父子比较环节,每经过交叉、变异一次,便比较一次父代与子代的适应度值;在选择操作中,对传统的轮盘赌方法进行改进,引进个体的相似度比例,个体的被选择概率由相似度比例和适应度值共同决定。最后,对所提优化A星-遗传算法和粒子群、A星、迷宫-遗传算法进行了仿真对比实验。结果表明:A星-遗传算法在管路的长度、拐角数、能量值、适应度值、最优解次数和平均收敛代数等6项指标上均得到了最优值;与同为混合算法的迷宫-遗传算法相比,优化A星-遗传算法在两个案例中的最优解次数分别增加了44.4%、100%,平均求解时间分别减少了57.6%、58.1%,平均收敛代数分别减少了36.9%、44.1%。A星-遗传算法在保证管路布置质量的同时,有效提高了寻优效率,其对于船舶管路智能布置的适配性和优越性得到了验证,对提高船舶产业生产力具有一定的意义。

区间不确定阻抗下的可靠最短路径

将最短路径问题与区间分析方法结合起来,采用区间值衡量路段阻抗,并将阻抗下界值作为路段非延误状态下的阻抗,阻抗上界值与下界值的差作为路段阻抗的最大延误,建立了区间不确定阻抗下的可靠最短路径模型。将阻抗的上界值、下界值以及二者之差作为参数,采用超星算法,求解可靠最短路径模型,得到超路径集合和多条可靠最短路径。通过求解可靠最短路径的实例,验证了本研究所提出的模型及其算法的合理性和有效性。

基于无障碍凸区域的无人机在线航迹规划

针对多旋翼无人机的在线航迹规划问题,提出了一种基于无障碍凸区域的方法(IRIS-Astar).该方法引入了基于概率路标图(probabilistic roadmap,PRM)的A*算法,用于离线规划全局路径.在无人机在线航迹规划阶段,通过IRIS算法(interative regional inflation by semidefinite programming)计算出当前航迹点的极大凸区域,找出该区域中距离当前航迹点最远的全局路径点作为局部目标点.无人机在向局部目标点行进的过程中,实时计算当前位置的极大凸区域,并判断局部目标点是否在该区域中,若在其中,继续向局部目标点行进;否则,重新计算局部目标点.实验结果表明,使用文中方法可以有效解决无人机的避障问题并较大幅度地降低无人机的能耗.