启发点引导D*算法扩展的无人机航迹规划策略

为了实现无人机从特定方向接近和打击目标点,同时实现航迹最短、规划时间最少,提出了基于启发点引导D*算法扩展的航迹规划方法。分析了航迹规划的约束条件,建立了无人机各威胁因素的区域模型和概率模型,将威胁因素模型叠加至三维环境中,得到了无人机工作的等效三维环境模型;分析了D*算法在具有方向约束航迹规划中遍历搜索和回退扩展的缺陷,提出了启发点引导D*算法扩展方法;给出了启发点的产生方法、启发方案的选择方法、启发点的切换策略等。经过仿真验证,同时使用D*算法、蚁群算法、启发点D*算法进行航迹规划,启发点D*算法规划的航迹最短,算法耗时最少,证明了启发点D*算法在有方向约束航迹规划问题中的有效性。

启发式教学法在历史课中的运用

在全面实施素质教育的今天，怎样才能上好历史课，怎样才能把历史课上得情趣并茂，学生愿学，怎样才能较好地落实素质教育，这是广大历史教师普遍关心和思索的问题。其实，启发式教学法不失为一种好方法。启发式教学法的形式虽然多种多样，但原则只有一个，那就是在发挥教师主导作用的前提下。充分调动学生的积极性、主动性和创造性，以学生掌握知识、培养能力和思想教育为目的。

基于改进蚁群算法的多无人机协同任务分配

针对城市物流场景下多无人机协同任务分配问题,考虑无人机性能、飞行成本和配送点紧迫度不同,建立更加符合真实场景的组合优化模型,提出了一种融合遗传算法的改进蚁群算法。基于无人机和配送点之间的访问关系,根据遗传算法中基因编码思想采用了一种整数组合基因编码方式以生成种群个体,为提高算法搜索能力设计了一种扰动算子的改进交叉操作。将遗传算法的结果转化为蚁群算法的初始信息素,通过一种自适应信息素机制和引入扩展启发量的策略来指导种群搜索方向,从而平衡算法的全局搜索能力和局部搜索能力。仿真实验表明,所提出的改进算法能很好的跳出局部最优,并且能够高效、稳定地找出合理的无人机配送方案。

基于改进渐进最优的双向快速扩展随机树的移动机器人路径规划算法

针对带启发式的快速扩展随机树(RRT-Connect)算法路径生成的随机性以及渐进最优的双向快速扩展随机树(B-RRT~*)算法收敛速度的缓慢性,提出了一种基于B-RRT~*改进的高效路径规划算法(EB-RRT~*)。首先引入一种智能采样函数,使随机树的扩展更具方向性,从而减少寻路时间,并提高路径的平滑性;其次在B-RRT~*算法的基础上,在EB-RRT~*算法中加入了一种快速扩展策略,使改进后的算法在自由空间中使用RRT-Connect算法的扩展方式进行快速扩展,而在障碍物空间则使用改进的渐进最优的快速扩展随机树(RRT~*)算法进行扩展,在提高扩展效率的同时避免算法陷入局部最优。将EB-RRT~*算法分别与快速扩展随机树(RRT)、RRT-Connect、RRT~*和B-RRT~*算法进行仿真对比,仿真结果表明,改进后的算法在路径规划效率及路径平滑性方面均明显优于其他算法;且相对于B-RRT~*算法,其在路径规划时间上降低了68.3%,在迭代次数上减少了48.6%。

基于改进RRT算法的快速路径规划

针对快速扩展随机树(RRT)算法在路径规划时,存在速度慢、内存计算大的问题,提出一种目标启发扩展策略的改进RRT算法。首先,将节点距目标点以及距随机采样点两者距离之和的最小值作为待扩展节点的选取依据,以此来增加随机树上靠近目标处节点被选取作为待扩展节点的概率;其次,优先尝试目标方向扩展,一旦尝试失败则进行随机扩展,进而在增强算法目标收敛性同时,也确保在遇到障碍物威胁时算法亦能保持较大随机性;同时对初始路径进行冗余点裁剪后的路径进行B样条曲线平滑改善路径质量。仿真结果表明:改进策略具有明显提高路径规划速度以及减少算法内存计算量的优势。

自重构机器人重构运动规划策略研究

通过自重构机器人模块间的连接、断开和运动顺序规划,由风车形晶胞群组成的机器人构形具备通过重构实现质心变化的功能.此种运动方式与特定构形的整体协调运动存在本质区别,为了实现质心的改变,当设计运动规划策略时需要综合考虑机器人的运动路径及模块间的连接、断开和运动顺序.针对运动平面内存在障碍物这一情况,采用启发快速扩展随机树搜索方法对由风车形晶胞群组成的机器人构形的运动路径进行了规划.机器人的每一步运动利用内置的固定运动序列库实现.实验证明了启发快速扩展随机树搜索方法的高效性及可行性.