融合强化学习的多目标路径规划

移动机器人路径规划问题的节点数量大、搜索空间广,且对安全性和实时性有要求等因素,针对移动机器人多目标路径规划问题,提出一种新颖的融合强化学习的多目标智能优化算法.首先,该算法采用NSGA-II为基础框架,利用强化学习的赋予个体学习能力,设计一种SARSA算子提高算法的全局搜索效率.其次,为了加速算法的收敛速度和保证种群多样性,增加自适应模拟二进制交叉算子(tanh-SBX)作为辅助算子,并将种群分为两种性质不同的子种群:精英种群和非精英种群.最后,设计了4种不同的策略,通过模拟退火算法的Metropolis准则计算更新策略的概率,让最合适的策略引导种群的优化方向,以平衡探索和利用.仿真实验表明,该算法在不同复杂度的环境下均能找到最佳路径.相比传统智能仿生算法,在更加复杂的环境中,所提出的算法能有效平衡优化目标,找到更优的安全路径.

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.

一种改进蚁群算法在捡球机器人多目标路径规划中的应用

在静态环境下,针对蚁群算法在进行多目标路径规划时存在搜索时间长以及容易陷入局部最优的特点,介绍一种可对捡球机器人进行多目标路径规划的改进蚁群算法.首先采用栅格法将捡球机器人的网球场环境划分建模;然后自适应调整算法中与信息素相关的系数以及种群规模,提高算法搜索速度;并引入交叉操作,改善算法停滞问题,增强算法的逃逸能力;最后实现改进蚁群算法在捡球机器人多目标路径规划中的应用.仿真实验结果证明,所提算法可以加快搜索速度,找到全局最优路径.

基于多目标路径规划的应急资源配置模型

面对日益增加的突发事件,应急资源调度对于快速开展救援工作以及降低社会财产损失具有重要意义.文中建立了一种基于多目标路径规划的应急资源配置模型,可解决应急路径搜索与资源配置两个问题.考虑到突发事件会对道路网络造成较大影响,模型首先以基于BPR(美国联邦公路局)路阻函数的路径行程时间与基于大量历史交通量数据的可靠性为优化目标进行路径规划,综合禁忌搜索与非支配排序获取应急救援路径的Pareto解集,并且通过指标权重确定最优路径;然后在获得最优路径的基础上,基于突发事件级别引入效用系数进行资源配置,最大化总资源利用效益,并基于Lingo软件进行求解;最后在无锡市公路网的历史数据基础上进行了案例分析,验证了所提出模型与解决方法的有效性.

一种实时多目标路径规划方法

提出一种利用实时搜索思想的多目标路径规划方法。首先设计并实现局部路径规划算法,在有限的局部空间内执行启发式搜索,求解所有局部非支配路径;在此基础上,提出实时多目标路径规划方法,设计并实现相应的启发式搜索算法,在线交替执行局部搜索过程、学习过程与移动过程,分别用于求解局部空间内的最优移动路径,完成状态的转移和更新状态的启发信息,最终到达目标状态。研究表明,实时多目标启发式搜索算法通过限制局部搜索空间,避免了大量不必要的计算,提高了搜索效率,能够高效地求解多目标路径规划问题。

基于遗传算法的仓储机器人多目标路径规划方法

为提高智能仓库中多机器人协同拣选作业效率,提出基于遗传算法的仓储机器人多目标路径规划算法。首先建立仓库环境模型,利用A*算法规划出各机器人的多目标节点路径矩阵。然后以最短行驶时间为目标,提出符号矩阵编码法对多目标点编码,在遗传过程中判断机器人之间的路径冲突,利用改进优先级法化解局部动态冲突,从而确定目标节点遍历序列,得到最优路径规划。仿真结果表明,该路径规划方法能够有效缩短路径长度及行驶时间。

航站楼内多目标路径规划方法设计与实现

针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。

基于A*和蚁群算法的移动机器人多目标路径规划方法

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的A*算法与混合蚁群算法相结合的路径规划方法。通过基于启发信息的节点扩展函数,解决A*算法扩展节点时,会造成无用计算的问题,提升规划效率。为改善蚁群算法易陷入局部最优解的缺点,提出一种混合蚁群算法,将粒子群算法思想融入蚁群算法加以优化,通过自适应方法调整蚁群算法信息素挥发因子,与最优解交叉变异,增强全局搜索能力。仿真实验表明:基于启发信息扩展节点的A*算法相较于A*算法,搜索节点减少13.18%;混合蚁群算法求解的最优路径和平均路径均好于蚁群算法,并且在迭代过程中,不易陷入局部最优解。现实环境下,采用仿真参数进行实验,实验的结果也证明了该方法的有效性。

视觉引导下的自主式捡球机器人多目标路径规划算法

文章首先简要描述了捡球机器人路径规划的目的、视觉处理的工作特点,分析了自主式捡球机器人设计时所面临的问题,然后结合滚动窗口理论提出了一种基于视觉传感器的自主式移动机器人多目标路径规划算法。该算法有效地减少了移动捡球机器人执行任务的时间,提高了其捡球效率。

一种无人巡航船遍历多目标点的路径规划算法研究

针对无人巡航船遍历多目标点的路径规划问题,提出了一种混合的多目标点路径规划算法。首先,将多目标点路径规划问题转化为旅行商问题,并采用改进的灰狼优化算法规划出多目标点的最优巡航顺序。针对传统灰狼优化算法忽略环境因素的缺陷,通过在适应度函数中引入环境影响因子以反映障碍物和未知区域对路径规划的影响。然后,在上述规划好的多目标点巡航顺序的基础上,利用A*算法结合改进的人工势场法完成各个目标点之间的路径规划。针对传统人工势场法的目标不可达问题,通过优化斥力势场函数来解决。最后,分别在普通环境和复杂环境中与另外2种算法进行了仿真实验对比。实验结果分析表明,提出的算法是有效的,能够有效缩短路径规划时间,降低距离成本。

基于多目标快速探索随机树的移动机器人巡检路径优化方法

针对移动机器人需要访问多目标的巡检路径规划问题,该文提出一种多目标快速探索随机树路径优化方法。首先,根据提供的环境地图与巡检目标点,该文采用一种RRT-Connect-ACO算法得到目标点的巡检顺序和可行路径;然后,通过引入信息子集,对路径进行优化,得到最终的最优路径。实验结果表明,与现有的多目标路径规划算法相比,该方法考虑了地形的影响,得到的最优路径更符合实际情况。

基于改进粒子群算法的移动机器人多目标点路径规划

针对移动机器人遍历多个目标点的路径规划问题,提出了一种基于改进粒子群算法和蚁群算法相结合的路径规划新方法。该方法将目标点的选择转化为旅行商问题,并利用蚁群算法进行优化,定义了每两个目标点之间的路径规划目标函数,利用粒子群算法对其进行优化。针对粒子群算法存在的早熟现象,将反向学习策略引入粒子群算法,并对粒子群算法的惯性权重和学习因子进行改进。性能测试结果表明,改进的粒子群算法能有效避免粒子早熟现象,提高粒子群算法的寻优能力及稳定性。仿真实验结果验证了新方法能有效地实现机器人的多目标点无碰撞路径规划。真实环境下的实验结果证明了新方法在机器人多目标点路径规划的实际应用中也具有有效性。

有障碍区域的多无人机多目标点路径规划

主要讨论了有障碍区的多无人机多目标点的路径规划问题.采用Dubins模型满足无人机的曲率约束,建立了含有混合变量的多约束优化问题,通过改进的遗传算法对优化问题进行求解,得到了满足基本约束条件的无人机遍历顺序和航向角,并确定了每个无人机的Dubins路径;给出了确定路径进入障碍区的检测方法,采用Dubins-快速扩展随机树算法对进入障碍区域的路径进行调优,得到了满足障碍约束条件的优化无人机路径.通过仿真算例对比实验,证明了所提算法的有效性.

移动机器人全局路径规划算法综述

全局路径规划是移动机器人室外工作的关键技术,全局路径规划相关算法主要应用于地理场景预知的室外环境中,机器人面对复杂多变的室外环境,通过对算法的优化改进来提高机器人路径规划的实时避障性、路径平滑性、规划有效性就成为了全局路径规划算法的核心研究内容。首先根据算法的智能程度,将移动机器人的全局路径规划算法分为传统全局路径规划算法和仿生智能全局路径规划算法,并深入阐述了实际应用更为广泛的多目标路径规划算法,然后介绍了当前每种算法的几种典型的优化改进方法,并对其优化改进后的算法的优缺点进行了分析总结,最后对全局路径算法的未来发展趋势进行了展望,指出全局路径规划算法将向优化已有常规算法路径规划的性能、多种算法优势融合、复杂环境中动态避障、适应多样化环境的地图表示方法这4方面发展。

多汇聚节点无线传感网络充电路径多目标优化方法

针对多汇聚节点无线传感网络中因汇聚节点位置固定、能量消耗过快而导致的网络生存周期短的问题,提出了一种考虑路径总距离和消耗总能量的双重目标下的节点充电路径优化方法。该方法充分考虑了节点剩余能量以及节点与节点间的距离,通过等价目标转化和加权处理,建立了多目标优化问题模型,并使用改进的遗传算法来求解该多目标优化问题模型。仿真结果表明,该方法可以持续地为汇聚节点补充能量,有效的延长网络生存周期。与传统的遗传算法相比,该算法最优解精度更高,收敛速度更快,种群进化效果更好。

多目标遗传算法在优化市民出行路径中的应用

市民出行时的路径选择可归结为多目标路径规划问题。遗传算法在解决这类问题上具有很大优势。在传统遗传算法的框架上,采用新的生成初始种群的方法,同时在适应度标定中使用压缩映像,并且改进传统的世代更新策略,从而提高了算法的性能。最后应用改进后的遗传算法进行实例计算,取得了比较满意的结果。

运用iBeacon技术的室内导航系统的设计与实现

智能手机中基于位置的应用和服务对室内导航定位以及多目标路径规划等提出了更高的需求,为此,设计了基于iBeacon技术的室内导航系统。对采集到的iBeacon信号强度和移动定位结果分别进行滤波处理,随后采用平滑多目标D*Lite算法根据用户偏好规划不同路径进行导航,并上传定位及导航数据至服务器以便后期查询统计。系统具有开发简便、信号干扰少、定位精度高、多功能导航等优点,采用APP+Web交互方式,供普通用户、商家、管理员3类使用者操作,完善用户体验。实验结果表明:在实验室内测试的500组数据中,432组数据的定位精度达到1 m以内,并成功利用定位信息进行多目标路径规划,实现实时导航。

基于Dijkstra改进遗传算法的定向越野赛道设计

军事定向越野能够培养学员识图、用图以及军事标图等技能,逐步成为了一项常态化的军事训练科目。良好的赛道设计方案是比赛顺利进行的基础。当前关于越野赛道的研究主要集中于单赛道优化,对于多赛道规划设计的研究极少。但在具体赛事中,往往是多赛道同时进行,且有许多限制,单赛道优化设计方案往往不适用。因此,基于遗传算法设计多目标多路径规划模型自动获取路线,有利于节约设计成本,推动越野运动的发展。