多种群遗传算法在服务机器人仿真中的应用

服务机器人仿真主要研究基于真实场景中服务机器人在完成多个任务时的最优行动路径和行动序列规划。多种群遗传算法在标准遗传算法基础上将遗传算法拆分在多个子种群间并行进行,通过子种群之间的信息交换以增加种群中个体的多样性,从而避免传统遗传算法早熟收敛、局部搜索能力差等问题的发生。将多种群遗传算法与服务机器人仿真系统相结合研究家服务机器人的行动路径规划。

新型混合式多任务规划优化算法在服务机器人仿真中的应用

服务机器人仿真属于非经典规划的范畴,主要研究基于真实场景中服务机器人在完成多个任务时的最优行动路径和行动序列规划。将全局规划算法与局部最优算法相结合,提出了一种新型混合式多任务规划优化算法,在保证全局规划任务序列为优的同时,将补充信息作为启发式信息及时反馈处理,加强局部搜索规划能力,并通过仿真实验证明了该算法的可行性和任务执行的高效性。

一种改进的双种群遗传算法在服务机器人仿真中的应用

服务机器人仿真主要研究基于真实场景中服务机器人在完成多个任务时的最优行动路径和行动序列规划。采用一种新的双种群遗传算法,两个子种群的交叉、变异以及复制操作互不相同,同时进化两个群体,其中之一注重于局部搜索,另一个注重于全局搜索,在两个种群之间进行移民来均衡算法的局部和全局能力。实验结果表明:改进后的双种群遗传算法(DPGA)优于传统的服务机器人规划算法。

基于文化算法的家庭服务机器人任务规划

通过对家庭服务机器人任务规划问题进行形式化描述,给出了问题的求解模型,提出了一种改进的文化算法,通过算法中信念空间和种群空间的相互联系和相互促进实现求解。算法采用独特的编码方式,其种群空间采用遗传算法作为进化手段,采用较为独特的信念提取方式构造算法的信念空间并促使其进化。将该算法用于家庭服务机器人大赛的仿真平台上,证明其有效性。