基于GA-DE-PSO优化算法的停车场车辆高效引导研究

传统停车引导方法受到寻优搜索算法本身缺陷的影响,设计的引导路径无法实现全局最优。针对该点不足设计了一种基于GA-DE-PSO优化算法的停车场车辆高效引导方法。利用栅格法建立停车场环境栅格地图。在原有停车时间最小化目标的基础上,增加一个避碰目标函数,由此建立一个多目标函数模型。将GA与DE融合到一起后利用GA-DE优化PSO算法,通过GA-DE-PSO优化求解停车场车辆最佳引导方案。结果表明与三种传统方法相比,GA-DE-PSO优化算法求出的方案所耗费的停车时间更短、效率更高,能够引导驾驶员快速识别出最近车位。

B样条曲线融合蚁群算法的机器人路径规划

针对蚁群算法在静态环境下全局路径规划存在无法找到最短路径、收敛速度慢、路径搜索盲目性大、拐点多等问题,提出一种改进蚁群算法。以栅格地图为机器人运行环境,对初始信息素进行非均匀分布,使路径搜索更倾向于起点和目标点的连线附近;把当前节点、下一节点和目标点的信息加入启发式函数,同时引入动态调节因子,促使启发函数在迭代前期起主导作用,而后期则加强信息素引导;引入伪随机转移策略,以减少路径选择的盲目性,加快找到最短路径;动态调整挥发系数,使得前期挥发系数大,后期较小,从而避免算法陷入早熟;在最优解的基础上,引入B样条曲线平滑策略,以进一步优化最优解,使得到的路径更短且更加平滑。对改进算法的主要参数进行敏感性分析,并对该算法的各改进环节的可行性与有效性进行了实验,而且在20×20和50×50环境下与传统蚁群算法及其他改进蚁群算法进行仿真对比,实验结果验证了改进算法的可行性、有效性和优越性。

贝塞尔曲线融合双向蚁群算法的移动机器人路径规划

在静态栅格地图环境下,针对传统蚁群算法在机器人全局路径规划中存在无法找到最短路径、路径搜索盲目性大、拐点多等问题,提出一种改进蚁群算法。在传统正向搜索的基础上,增加反向路径搜索,即双向路径搜索,每个方向采用不同的启发函数,增加路径搜索的目的性以及提高解的构造效率。对每代路径进行路径交叉,有助于产生新解,避免陷入局部最优。更新上述得到的有效路径的信息素,避免无效路径的干扰。采用改进的挥发系数公式,实现动态调整挥发系数,并设置信息素浓度范围,能够避免陷入早熟。采用改进的贝塞尔曲线优化上述得到的最优路径,能够根据需求调节曲线优化程度。通过与其他算法进行仿真对比,验证了改进算法的可行性、有效性和优越性。