一种MAKLINK图多节点链路建模的路径规划研究

针对传统MAKLINK图规划路径线路改变时,其最优化路径易与环境约束条件冲突的问题,提出了在MAKLINK图中各链路上增加节点数目的方法,以提高系统建模的适应性和鲁棒性。设计的多节点链路通过dijkstra算法得到更为理想的次优化路径,由蚁群算法进行迭代计算获得最优化路径,实现了在保证路径适应度的前提下,提高优化路径对环境约束条件的适应性。实验结果表明,与基本MAKLINK图路径规划算法相比,多节点链路的建模路径规划算法可有效提高次优路径的建模精度,最优路径的适应度值较单节点链路减小了1.43%,具有一定的建模优势。

基于蚁群算法与MAKLINK图的二维航迹规划

在环境及自身约束条件下,规划一条安全可行的航迹,是实现无人机自主化飞行的关键技术之一。为此,提出了MAKLINK图、Dijkstra、蚁群算法(ACO)相结合的规划模型。首先,以无人机自身、环境的约束条件为基础,建立综合评价指标;其次,建立二维飞行区域的MAKLINK图模型,使用Dijkstra算法规划出3条航迹作为ACO算法的初始解;最后,使用ACO算法对初始解的航迹点进行优化,以得到全局最优航迹。仿真实验表明,提出的方法能够规划出安全、可行的航迹;同时,该方法在多障碍物的环境下依旧有效。

基于Maklink图和遗传算法的改航路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规划模型,设计了3阶段方法研究改航路径规划.首先应用Maklink图和Dijkstra算法规划一条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要求,验证了该方法的可行性和有效性.

基于变参数萤火虫算法和Maklink图的路径规划研究

针对静态二维环境下的全局路径规划问题,提出了一种基于变参数萤火虫算法和Maklink图的全局路径规划方法。将定参数的连续型萤火虫算法改进为变参数的离散型萤火虫算法;根据全局路径规划问题的特点,定义了变参数萤火虫算法的编码规则及萤火虫之间的距离表征方法;以含有多个任意形状障碍物的环境为例,在Maklink图的基础上采用变参数萤火虫算法对路径进行优化,改进后的萤火虫算法能够较好的解决离散路径规划问题。实验表明:变参数萤火虫算法的性能不仅优于标准萤火虫算法,而且在收敛速度、算法稳定性等方面优于粒子群算法。

基于Maklink图和蚁群算法的航线规划

为实现航线自动规划设计,提出一种可行的计算方法,并对船舶实际运营中进行航线规划时需注意的问题进行分析。以路径最短为目标,建立以避开障碍物区域和危险区域、控制转弯角度及减少转向点数目等为约束条件的规划模型。在建立模型过程中,采用Maklink图和Dijkstra算法生成初始规划路径,采用蚁群算法对路径作进一步的优化和调整,以满足约束条件。试验结果表明:与传统的在纸质海图上绘制航线及在电子海图上手动输入转向点生成航线相比,通过智能算法生成航线具有耗时短、经济可靠等优点。

基于Maklink图和布谷鸟搜索算法的施工水域路径规划

为提高船舶在复杂施工水域通行的安全性,提出一种基于Maklink图和布谷鸟搜索(cuckoo search,CS)算法的船舶路径规划方法。利用改进的Maklink图构建施工水域环境模型;设置变量参数并用改进的CS算法对模型进行求解,其中采用基于Dijkstra算法得到的最短路径长度作为种群个体的适应度值;采用3个衡量算法性能的指标——优化性能指标、时间性能指标和动态性能指标,对多种算法进行分析比较。结果表明,采用指数型自适应步长和线性自适应发现概率对CS算法进行改进,能提高其在路径规划中的搜索效率和迭代速度,并可以保证求出一定精度内的近似最优解,显示出该算法的优越性。

基于Maklink路径规划混合定位算法研究

为了提高含有障碍物下的路径规划的质量和效率,保证遍历节点少且路径短,提出了一种混合定位算法。算法融合了粒子群算法选择最佳位置的优越性,以提高蚁群算法蚂蚁所在节点与盲节点间距离估计的精度和搜寻速度;根据蚁群算法通过信息素浓度选择遍历节点的特点,规划节点与盲节点之间的最短距离,以增强蚁群信息素的浓度值,提高收敛速度,规划最短路径。实验表明:在不同规模障碍物区域路径搜寻过程中,采用混合定位算法规划路径优于文中其他两种算法,规划路径最短,效率最高。

基于Maklink图与遗传算法的动态改航策略研究

近年来,随着航班流量的增加,航班延误越来越严重,在影响航班延误的众多因素中,雷雨等恶劣天气是其中的一个重要原因。为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区。对Maklink图的划设算法进行改进,以改航绕飞路径长度最短为目标;在基于改进的Maklink图和遗传算法对航空器进行静态改航路径优化的基础上,进行航空器动态改航路径规划。为了使改航路径与航空器实际运行相贴合,对改航绕飞路径进行平滑再优化处理,为实际管制策略的制定提供依据。

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。

基于改进人工鱼群算法和MAKLINK图的机器人路径规划

针对静态二维环境下移动机器人全局路径规划问题,提出一种基于改进人工鱼群算法(IAFSA)和MAKLINK图的路径规划方法.该方法以Lorentzian函数和正态分布函数为视野和步长的自适应算子,引入指数递减惯性权重因子,能够提高AFSA算法的收敛速度和计算精度. MS (JoséLuis Esteves Dos Santos)算法结合IAFSA算法分步寻优,取IAFSA算法优化后的最优路径为全局最优路径,可以解决以往算法在MAKLINK图中只能求近似全局最优路径的问题.仿真实验结果表明了所提出改进算法方案的可行性和有效性.

基于改进蚁群算法的自动导引运输车全局路径规划方法研究

针对自动导引运输车(AGV)全局路径规划采用传统蚁群算法存在收敛速度慢、易陷入局部最优的问题,提出了基于改进蚁群算法的AGV全局路径规划方法。首先,运用MAKLINK图论法构建了具有障碍物的环境模型,作为路径规划的基础;其次,改进的蚁群算法中融合了动态权重目标导向原理,设计了一种新的启发式函数,提高了其选择距离目标点更近的可选节点的概率,减小了AGV对非最短路径的选择概率;然后,采用动态调整信息素挥发系数策略进行了信息素更新,提高了算法的搜索效率;最后,将改进蚁群算法与传统蚁群算法进行了仿真实验对比。研究结果表明:与传统蚁群算法相比较,改进措施可使收敛速度提升近一倍,路径规划效率显著提高。

基于谱聚类的空域扇区分割

为解决当前空域扇区结构对交通流适应性差的问题,进行了空域扇区分割与边界优化算法的研究。根据管制空域的基本航线网络结构和空中交通流量,提出了顶点间联系程度的计算模型;结合顶点融合与边航线离散化方法,建立了空域运行图模型;应用谱聚类算法实现了空域图顶点的有效分割,解决了近距平行航路分割误差问题,实现了扇区凸壳的构造与划分;提出了基于MAKLINK图的扇区间边界优化路径选择算法。实例分析表明,该算法能根据空中交通流量需求进行扇区优化设计,运行时间较短,约为10 s。

基于改进粒子群算法的移动机器人路径规划

针对基本粒子群算法在路径规划时易陷入局部最优、规划路径较长等问题,提出了改进粒子群算法对移动机器人进行路径规划。首先使用MAKLINK图建立移动机器人的工作空间模型,然后采用Dijkstra算法搜索从起始位置到目标位置的全局次优无碰撞路径,最后将指数变量权重加入改进的粒子群算法中对次优路径进行优化,找到最短路径。与基本粒子群算法不同,改进粒子群算法中粒子不是向最优的粒子学习,而是向适应度值优于平均适应度值的粒子学习,并对低于平均适应度值的粒子进行变异处理。该方法能够提高粒子的多样性,避免粒子陷入局部最优。仿真结果验证了所提出的改进粒子群算法的有效性。

滴水湖无人船测试场应急保障航道规划

针对滴水湖新建无人船测试场的应急保障问题,建立基于Maklink图论和Dijkstra算法的多终点航道规划模型。通过环境建模确定障碍物大小和位置;受PNPoly算法启发,引入剔除函数进行模型改进;利用Dijkstra算法在无向网络图中搜索从起点至终点的最短应急航道,并利用蚁群算法对最短应急航道集合进行优化。结果分析显示,最终规划的航道高效、安全,规划结果可以为滴水湖管理工作和无人船测试场应急保障提供参考。

基于优化蚁群算法的无人机海岛监测航迹规划

本文提出一种可行的面向海岛监测的无人机航迹规划控制算法,主要针对复杂的海岛群及气流不稳定等因素的无人机海岛监测,为海岛监测提供技术支持具有重要的理论意义及应用价值。通过MAKLINK图论建立二维路径规划空间模型,利用Dijkstra算法规划无人机初始航迹,融合蚁群算法仿真得到优化航迹规划路径。仿真结果表明,该融合得到的优化算法,比改进前的蚁群算法求解时间快、规划路径准确、迭代过程中系统稳定的特点,从而保证无人机在复杂的海岛监测中飞行航迹规划零失误。

基于粒子群算法的移动机器人路径规划

提出一种分步路径规划方法 ,首先采用链接图建立机器人工作空间模型 ,用Dijkstra算法求得链接图最短路径 ;然后用粒子群算法对此路径进行优化 ,得到全局最优路径 .仿真结果表明 :所提方法简便可行 ,能够满足移动机器人导航的高实时性要求 。

恶劣天气下多条改航路径的生成

为了解决复杂空域中航班流的运行问题,以最优改航航路为目标函数,采用改进的双向Dijkstra优先队列算法生成多条改航航路。对于一些实时的恶劣天气冲突,利用MAKLINK图对改航路径进行局部修改,并在此基础上利用路径代价函数与多条路径规划模型对所生成的改航路径进行评价,求得多条最优改航航路。实例验证结果证明,应用的改进算法和设计的系统能高效规划出k条最优路径,且满足实际要求,适用于航班流的整体运行。

基于蚂蚁算法的移动机器人路径规划

蚂蚁算法是近几年问世并逐步引起重视的一种新的全局优化仿生算法 ,它模仿昆虫王国中蚂蚁搜索食物的行为特征 ,是一种通用型随机优化方法。移动机器人在进行工作时 ,往往要求根据某一准则 ,在工作空间沿一条最优 (或近似最优 )的路线行走。因此首先对移动机器人的规划空间进行链接图表示 ,然后采用Ford算法求出移动机器人的初始路径 ,最后运用蚂蚁算法对初始路径进行优化 。

无人驾驶车辆自动避障路径规划仿真研究

研究无人驾驶车辆的避障路径规划,可以为无人驾驶车辆规划最优避障路径,并控制车辆的速度和转向,从而使车辆能够安全、可靠地在道路上依照规划路径自主驾驶。研究难点在于无人驾驶车辆的行驶控制与避障路径的高效搜索两个技术关键点。针对无人驾驶车辆的行驶控制,根据无人驾驶车辆的性能进行仿真设定,利用PID控制器提出一种仿真控制方法,完成无人驾驶车辆的行驶控制。针对避障路径的搜索,在车辆有效行驶控制的基础上,依据MAKLINK图论与仿真原理,提出一种分别在二维、三维空间上实现避障路径规划的高效搜索算法。根据仿真结果,有效地完成了车辆行驶控制和避障路径规划,较好地解决了无人驾驶车辆避障规划的关键技术问题,可为无人驾驶车辆的避障行驶提供一定的技术指导。

海上施工水域船舶航线规划数学建模及求解

海上施工水域是船舶在航行中风险较大的区域,为了解决船舶在施工水域中的船舶航线规划问题,建立了以航线总长度最短为目标函数,以不可航行区域和船舶转向角等为约束方程的航线规划数学模型。在建立航线规划的数学模型的基础上,重点研究了模型求解的具体方法。在求解施工水域航线规划的数学模型时,首先利用图论的方法将可自由航行区域通过链接线将其拆分为若干个凸多边形。其次将链接线的中点两两相连,形成海上施工水域中的Maklink航线网络。然后再采用两阶段优化方法求解,第1阶段利用Dijkstra算法求解出能够避开所有危险区域的初始航线;第2阶段利用蚁群算法,对初始航线进行优化。最后通过蚁群算法的优化,求得了航线总长度更短而且转向角更小的最优航线。