动态不确定环境下多目标路径规划方法

提出一种在动态不确定环境下求解多目标问题时快速调整移动路径的方法.首先提出采用逆向多目标启发式搜索进行全局规划,求解问题的最优路径集合;然后提出动态多目标路径规划方法,先根据当前观测进行全局规划,在移动过程中探测到不一致的环境信息时,通过对先前搜索中部分信息的重用,在全局规划的基础上进行增量重规划,调整当前状态与目标状态之间的移动路径.研究结果表明:采用增量重规划的求解方法通过搜索信息的重用提高求解效率,能够有效地处理动态不确定环境下的多目标路径规划问题.

一类动态不确定环境下机器人的滚动路径规划

研究了一类全局环境未知且存在动态障碍物情况下的机器人路径规划问题 .借鉴预测控制滚动优化原理 ,给出了基于滚动窗口的移动机器人路径规划方法 .充分利用机器人实时测得的局部环境信息 ,实施在线滚动规划 ,把优化与反馈机制合理结合起来 ,对动态不确定环境具有良好的适应性 .

一种动态不确定环境中机器人路径规划方法

针对动态不确定环境下的机器人路径规划问题,将部分可观察马尔可夫决策过程(POMDP)与人工势场法(APF)的优点相结合,提出一种新的机器人路径规划方法。该方法充分考虑了实际环境中信息的部分可观测性,并且利用APF无需大量计算的优点指导POMDP算法的奖赏值设定,以提高POMDP算法的决策效率。仿真实验表明,所提出的算法拥有较高的搜索效率,能够快速地到达目标点。

动态不确定环境下的决策:一种分层决策模型

本文提出一种智能体分层决策结构模型,试图通过分层决策技术有效地解决动态、不确定环境中的智能体的实时决策问题。本模型的高层采用BDI结构,以便为较长期任务的规划和推理提供充分的支持;模型的底层采用反应式结构,以保证对短期实时任务的及时响应。实验结果表明了这种分层模型在某些复杂任务领域中的有效性。

动态不确定环境下一种移动机器人路径规划方法

提出了一种在动态不确定环境下基于信度分配Sarsa强化学习算法的移动机器人路径规划方法。通过引入信度分配函数有效分配强化信号,来修正动作选择策略,提高了学习效率和速度,能够很好地解决动态不确定环境下特别是存在随机运动障碍物的环境下移动机器人路径规划问题。仿真实验说明该方法的有效性和可行性。

动态不确定环境下企业核心竞争力培育机理的系统分析及过程管理研究

通过对企业动态不确定环境以及企业核心竞争力形成要素的分析,构建出了在动态不确定环境下培育企业核心竞争力的机理模型,并提出了不确定环境下企业核心竞争力的动态过程管理结构模型。

一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。

人工协调场及其在动态不确定环境下机器人运动规划中的应用

针对动态不确定环境下移动机器人运动规划问题,提出了人工协调场的方法.建立了协调力,并设计了协调场能随机器人和环境的状态发生变化,以克服传统人工势场法在动态不确定环境下所存在的诸如局部极小、抖动等问题.和传统人工势场相比,协调场具有二维正交力矢量.基于协调因子的实时决策模型,方便并简化了机器人的行为设计,有效地克服了局部极小.重点分析了人工协调场的可控性、自适应性、安全性和可达性等性质及其设计,并实现了移动机器人在动态不确定环境下基于人工协调场的运动规划.理论分析和仿真实验结果证明了所提方法的有效性.

生鲜冷链中的多车舱车辆路径问题研究现状与展望

多车舱车辆路径问题(MCVRP)是生鲜产品配送和冷链物流等领域广泛关注的焦点问题之一,尤其在全球疫情反复的大背景下,在生鲜产品配送领域具有广泛的应用及发展前景。文章对近年来国内外生鲜产品车辆路径问题的有关研究进行系统整理,分别从生鲜产品VRP、生鲜产品MCVRP和考虑环境因素的生鲜MCVRP角度对该问题进行综述,同时分析了目前研究存在的问题,并提出其未来可能的研究方向,旨在推动生鲜产品多车舱车辆路径问题在具体领域的应用与发展。

基于人工协调场的多移动机器人实时协调避碰规划

为克服传统人工势场在动态未知环境下机器人避碰规划中存在的缺陷,提出人工协调场法(ACF).将场函数与机器人的风险状态相结合,给出并讨论了人工协调场的基本设计.基于人工协调场,考虑机器人的运动约束,实现了多机器人之间以及机器人与环境间的实时协调避碰,提出了一个多移动机器人无死锁实时避碰规划算法.理论分析和仿真试验证明所提方法的有效性.

一种基于多智能体系统的分布式规划系统

为了解决动态不确定环境下多智能体系统中的规划问题,通过对现有规划系统的分析,提出一种新的分布式规划系统MPOMDPRS,通过保持PRS系统的持续规划机制来适应环境的动态性;通过保持POMDP的概率分布模型来适应环境的不确定性;通过通讯集的添加来满足多智能体系统的需要.仿真实验证明了系统的有效性和实时性,可以满足环境的动态不确定性要求.

一种持续规划系统在四足机器人足球中的应用

四足机器人足球赛是一个典型的动态不确定环境。论文以四足机器人足球为背景和平台,对一种新的持续规划系统POMDPRS进行了分析和改进,并将改进后的系统应用到实际的比赛中。改进后的系统减小了时间消耗,与传统的反应式系统相比,对环境的动态不确定性表现出更好的适应性。

“竞争力”向“服务力”转变

动态不确定环境下,企业逻辑已发生了根本性的转变：由“竞争力”向“服务力”转变。

BDD数据建模的路径规划算法

针对道路交通状态高动态性和不确定性的路径规划问题,提出一种基于BDD建模的启发式初始路径规划、增量重规划算法与A*搜索算法.首先利用基于BDD的启发式搜索进行全局规划,求解路网中车辆的最优路径集.基于BDD的启发式搜索利用BDD这一紧凑的数据结构来表示迁移状态空间,又通过启发信息进一步压缩搜索空间的大小;当路网信息发生变化时,按不同拥堵状况分类进行BDD迁移关系的修改,并进行增量重规划,重新获得当前状态至目标状态的最优路径集.仿真实验结果表明:基于BDD的启发式搜索和增量重规划,在求解路网信息动态不确定性下的车辆路径规划问题上具有高效性和实用性,避免了交通路网长时间陷入拥堵状态.