改进模拟退火算法的低碳车辆路径规划

在城市垃圾量急剧增加的背景下,为解决清运车辆过度使用导致碳排放持续增加问题,提出一种垃圾清运车辆低碳路径优化方法。在考虑车辆容量限制和时间窗约束的情况下,综合多个清运过程影响因素优化目标函数,建立以路径最优、成本极小化为目标的数学模型。设计了改进模拟退火算法求解模型,改进策略包括使用K-means聚类算法协助模拟退火算法,加入2-shift法、2-symmetry法和2-insert法,使算法在全局搜索和局部搜索达到平衡,在邻域搜索上引入随机均匀采样策略,避免因穷举带来的时间复杂度过高问题。多个经典算例的仿真实验结果表明,改进模拟退火算法对优化车辆低碳路径规划模型具有较好的收敛速度和鲁棒性。

基于改进BIT*的机器人的全局路径规划

针对传统批处理通知树(batch informed trees, BIT*)算法在初次采样得到的规划路径过长,使得最终路径规划效率不高的问题,提出一种均匀随机采样算法用于算法初始采样点的生成。实验结果表明,均匀随机采样对于复杂有序地图和复杂无序地图进行采样均能在保留随机性的同时,拥有比随机采样更高的离散性。因此基于均匀随机采样改进的BIT*相比于快速探索随机树(rapid exploring random tree star,RRT*)RRT*和传统BIT*,无论是对于复杂有序地图,还是复杂无序地图进行全局路径规划均能提高路径规划的效率和稳定性,在较短的时间内找到一条优秀的路径。