基于优化动态窗口算法的智能机器人路径规划设计

针对普通动态窗口算法进行动态避障后规划路径长度增加、在复杂环境中无法进行规划的问题,本文研究一种优化智能机器人路径规划算法。本文采取设置动态函数、调整运动机制和规定运动航向等策略,保证算法可规划最短路径;利用轨迹评价函数构建最佳路径的目标函数,提升机器人的避障性能,安全到达终点。使用蜂鸟云验证,结果表明,与传统哈里斯鹰算法相比,本文算法在复杂环境中规划路径更短,路径质量更佳,运动时间更少,证明算法在路径规划中适用性较好。

考虑动态重构和智能软开关接入的配电网源网荷储联合规划

随着新能源大量接入配电网,新能源出力的不确定性和波动性给配电网规划带来了巨大挑战。在配电网规划中综合考虑源网荷储,可减少新能源不确定性和波动性对规划结果的影响。提出了一种考虑动态重构和智能软开关接入的配电网源网荷储联合规划方法。首先,根据密度峰值聚类的思想提出了基于密度峰值改进的近邻传播聚类算法,对风光荷联合场景进行聚类获得典型日曲线。然后,以规划总费用最小为目标函数,建立了考虑动态重构和智能软开关接入的配电网源网荷储联合规划模型,并基于二阶锥理论,将原非凸非线性规划模型转化为混合整数二阶锥规划模型。最后,在Portugal 54算例上进行仿真验证,证明了所提模型和方法的有效性。

基于动态规划算法的资源应急分配优化模型

针对电力突发事件的资源应急分配问题,文中提出了基于动态规划的阶段优化模型。该模型依据各需求点的初始时刻需求,以最小化资源超时到达造成的损失为优化目标,进行资源的应急优化分配。同时考虑后续时刻资源需求的动态变化,基于上一阶段的优化目标叠加下一时刻资源需求缺乏量的惩罚项,从而实现不同时刻需求点之间资源的转运调度。文中采用自适应惯性系数和飞行时间来提高算法的收敛速度,并将所提IPSO应用于两阶段动态规划模型的求解。以人力资源数据进行的仿真结果表明,文中算法迭代40次即可收敛,显著优于传统PSO。且与单阶段优化模型在后续时刻出现明显人力资源缺乏的情况不同,该模型能够满足各需求点的动态需求,进而对应急资源进行合理分配。

基于群智能优化算法的船舶最优运输路线规划

为规避海洋运输环境中潜在的静态障碍风险区域,并进行平滑、动态避障,降低船舶碰撞风险,研究基于群智能优化算法的船舶最优运输路线规划方法。利用正六边形网格划分方法构建船舶运输所处海洋环境模型;建立基于群智能优化算法的运输航线规划模型,在构建的正六边形网格海洋环境中,动态规划运输避障路径,规划目标为避障过程航行距离与复航路径长度最小化,使用蜘蛛猴算法,求解满足目标函数以及约束条件的本船航行至动态避障转向点的时间、动态避障航向变动量、动态避障转向行为至复航的时间、复航时航向变动量4个规划变量,作为船舶最优运输路线规划方案,实现船舶最优运输路线规划。经测试,所研究方法在存在静态障碍、动态障碍的海况中,规划运输路线后,船舶未出现碰撞风险,且路线平滑。

面向智能交通的动态路径规划分析

目的动态路径规划能够根据实时交通状况和用户需求,选择最优路径,文章构建了基于深度Q网络(DQN)算法的动态路径规划模型。方法阐述了智能交通与动态路径规划问题,对传统路径规划算法和深度学习算法进行了对比分析,强调了DQN在动态路径规划中的优势。使用收集的交通数据,进一步构建了基于DQN算法的动态路径规划模型。结果仿真实验结果表明,与传统Dijkstra算法对比,基于DQN算法的动态路径规划设计方案,车辆平均速度提高了13.65%,旅程时间缩短了16.1%,行驶距离增加了7.9%,等待时间减少了7.5%。结论DQN算法在路径规划中能够更好地优化目标车辆的行驶路径。DQN算法能够自主地学习和优化路径规划策略,结合交通状况、道路拥堵情况和其他因素,动态地选择最优路径,以最大程度地提高目标车辆的行驶速度。DQN算法在智能交通中具有优势,能够更好地优化路径规划,提高目标车辆的行驶速度和效率。

基于动态规划算法的智能配电网络重构优化系统

目前设计的智能配电网络重构优化系统无法有效改善电压质量,网损较高。为了解决该问题,基于动态规划算法设计了一种新的智能配电网络重构优化系统。配电网络重构优化系统硬件区域主要由调用模块、馈线终端单元模块、控制模块、通信模块四大部分组成。通过调控晶闸管完成配电网络中线路的调用工作,晶闸管的输入端配置一个发光二极管,输出端配置一个驱动器,馈线终端单元采用DSP芯片和ARM芯片双核心结构。通过获取需要处理的配电网络信息、配电网络链路重构、建立目标函数,实现重构优化。实验结果表明,所设计的智能配电网络重构优化系统能够有效改善电压质量,达到降低网损的效果。

Zigbee耦合A*算法的疏散路径动态规划与指示系统

为有效指引复杂建筑火灾下的人群疏散,在LabVIEW环境中开发一套基于Zigbee技术和A*算法的疏散路径动态规划与指示系统。利用Zigbee无线通信技术实现火灾探测器与疏散路径规划与指示系统间的信息互联,首先,在A*算法的基础上按照设计的起点选择方法,依据火情可快速实现建筑内整体疏散路径的动态规划;然后,规划结果通过设计的发光二极管(LED)点阵疏散指示器实时显示,能够在火灾场景下为人群提供疏散方向可视化的指引,以保证人群安全、快速疏散;最后,开展系统测试以及仿真模拟试验。结果表明:该系统路径计算时间短,疏散指示方向准确,通过疏散路径的动态规划和智能指引,可缩短疏散时间,提高疏散过程的安全性。该系统采用Zigbee无线通信,建设成本低,LED显示屏制作简单,安装方便,因此,可直接应用于实际,替代传统的固定式疏散指示系统,提高建筑内人群安全疏散效率。

基于NNC法和DMC算法的CCHP型微电网两阶段调度

冷热电联产(combined cooling, heating and power,CCHP)系统与微电网的结合有利于促进消纳可再生能源,为了提升CCHP型微电网的经济性、环保性和稳定性,提出了两阶段优化调度模型。离线优化阶段基于需求侧响应策略,建立了基于归一化法向约束法的多目标规划模型,并用熵权-TOPSIS法筛选最优结果。在线优化阶段建立了基于动态矩阵控制算法的有限时域优化模型,对离线优化结果进行跟踪优化和反馈校正,以降低不确定性因素的影响。最后,设计对比方案进行分析,验证了所提优化模型的有效性。

基于两阶段混合动态规划算法的龙门吊路径优化

产业界已出现利用多台轨道式龙门吊同时作业以提升集装箱码头装船效率的情况,由于需要确定每台龙门吊的取箱作业集合以及增加了"避免碰撞"、"顺次移动"等现实约束,故其移动路径规划问题在模型建立与求解上比单台轨道式龙门吊更为复杂。本文针对两台轨道式龙门吊同时作业的情形,建立了龙门吊移动路径网络模型,并开发了基于贪婪算法与动态规划的两阶段混合算法,并通过仿真算例,借助与基于实际调度规则所得到的调度方案的对比,验证了模型及优化算法的有效性与实用性。

基于伪动态的混沌人工鱼群算法在多阶段输电网络规划中的应用

与传统输电网络规划不同,多阶段输电网络规划需要考虑时段因素,在何阶段搭建何种路线使全局规划方案最优。多阶段规划的难点是阶段之间的过渡,后面阶段的决策要根据前面阶段的决策来定,对于大规模输电网规划经典的动态规划方法无法解决。利用伪动态规划的思想处理多阶段问题,这样减少了算法的迭代次数和运算时间。将混沌优化算法和人工鱼群算法相结合,摆脱了混沌搜索的盲目性和人工鱼搜索的局限性,使该混合算法效率高、收敛速度快。对巴西南部46节点系统的计算结果表明,该混合算法具有可行性和高效性。

三峡工程船舶智能调度系统的动态规划建模与算法

本文讨论了多个并联船闸的智能调度问题 ,并使用动态规划理论建立了该问题的数学模型 ,提出了一种基于滑动窗口方法的算法。实践证明 ,该算法能快速得出较优解 ,很好地满足了自动编制船闸调度计划的需求。

基于动态规划思想的多阶段随机用户平衡配流模型与算法

在随机用户平衡(SUE)配流中引入动态规划的思想,把配流过程看做是多阶段决策过程.根据不变嵌入原理来寻找最优策略,给出了多阶段SUE配流模型与算法.理论分析及实际算例表明,多阶段随机用户平衡配流算法简单可行,计算量小,尤其适用于多"环"网络.

多阶段输电网络最优规划的模拟植物生长算法

为解决输电网络规划中的多阶段之间的耦合问题,基于待选线路具有规划期间不建设或只能在某一个阶段建成并在后续阶段一直使用的特点,提出了以待选线路为决策变量,规划阶段序号为搜索域的思想,将多阶段输电网络优化规划问题转化成静态优化问题,并采用模拟植物生长算法对模型进行了求解。应用所提方法对一个19节点系统进行了分析,得到了现有文献中有关该系统的最优规划方案,说明了所提方法的可行性及有效性。

动态规划算法进行弱目标检测的机理研究

低信杂噪比环境中对弱小目标的检测,已经在信号处理、红外图像序列检测等领域中引起人们的广泛关注。动态规划实际上是一个多阶段决策的优化问题,它是检测前跟踪(TBD)处理过程中提出的一种有效检测弱小运动目标的方法。该文分析了动态规划算法进行弱小目标检测的机理,在此基础上对两类动态规划算法进行了革新,并给出了一个统一的递推关系式。仿真结果表明此算法对弱小目标具有较强的检测能力,比一般的弱目标的检测方法SNR性能上约提高3～5dB。

多AGV调度系统中的两阶段动态路径规划

为缩短AGV系统的研发周期、降低研发成本,寻求能适应不同地图的通用调度策略以及增强对实际调度任务和故障的鲁棒性,提出了一种两阶段动态路径规划策略.对多AGV调度系统应用两阶段控制策略采用动态路径规划进行路径生成,实时对多个AGV同时规划其路径,并通过启发式算法实现路径优化.通过系统仿真证明,该策略很好地提高了AGV调度系统的柔性,是一种能适用于不同地图的通用调度策略.

离散型动态规划模型的知识表示及其IBFS算法研究

针对运筹学模型表示中存在的问题，本文以离散型动态规划模型为研究对象，从解决动态模型的知识表示与基于知识的推理机制入手，通过剖析动态规划问题的决策过程及其状态演变特征，运用人工智能状态空间理论，将动态规划模型的求解转化为状态空间图中最佳路径的搜索，提出了以六元组Ｍ＝（Ｉ，Ｇ，Ｏ，Ｔ，Ｄ，Ｓ）表示离散型动态规划模型的知识表示方法－ＩＧＯＴＤＳ表示法；并引入最优评价函数，研究了基于状态空间图的求解离散型动态规划模型ＩＢＦＳ搜索算法．本文的工作有利于促进并深化运筹学应用的知识化、智能化研究．

基于遗传算法的时相关动态车辆路径规划模型

动态车辆路径规划是智能交通和商业物流领域中的一个重要研究方面,其最大的优点是就是综合考虑了各种实时信息,及时优化更新配送车辆的行驶路径,进一步降低物流成本。提出了一种基于遗传算法的时相关动态车辆路径规划模型。该模型将时变的交通信息和动态客户订单考虑在内,可以获得比较好的动态更新效率和优化结果,为此类动态车辆路径规划探索出了一条可行的途径。

编组站阶段计划随机相关机会规划模型及算法

在铁路当前的运输组织模式下,编组站阶段计划鲁棒性和列车到达计划兑现率的矛盾十分突出.为提高阶段计划的鲁棒性,本文运用随机规划方法,研究列车实际到达时刻随机条件下(相对于计划到达时刻)的阶段计划优化编制问题.以最大化阶段计划在列车到达时刻随机扰动下保持最优的概率为目标,建立阶段计划随机相关机会规划模型.并设计了随机模拟、禁忌搜索算法相结合的混合智能算法对模型进行求解.算例结果表明,本文构建的模型能取得鲁棒性较高的阶段计划,能为阶段计划计算机编制提供辅助决策支持.

基于改进遗传算法的智能体路径规划仿真

将改进自适应遗传算法应用于自治智能体动态路径规划,选取一维路径编码,并利用领域知识和局部避障技术生成初始种群,设计了交叉、变异和平滑算子,提出了新的交叉概率和变异概率调节公式。上述调节公式不仅考虑了种群中个体适应度的区别,而且还从整体上考虑了种群多样性和收敛性等性能指标,克服了传统遗传算法和一般自适应遗传算法的早熟收敛问题,提高了进化效率。仿真结果表明,改进方法在收敛速度和输出全局最优解的概率相对于标准遗传算法和一般自适应遗传算法都有较明显的提高。

智能算法——地图和本地搜索的最基本技术有限状态机和动态规划

智能应用每时每刻都在影响着我们的工作和生活，然而对于许多软件开发人员来说，构建智能应用的技术——智能算法依然披着神秘的面纱。一方面，这些技术的潜在价值可以带来巨大的经济回报，商业公司往往不会轻易示人：另一方面，几乎所有的相关技术都源自学术研究，