基于模拟退火遗传算法的全向AGV路径规划

针对传统遗传算法在规划自动导引小车路径时易陷入局部最优、收敛慢且路径长度非最短等问题,提出一种融合人工势场法和模拟退火思想的改进遗传算法。首先,结合人工势场法设计了一种引导式初始种群生成策略来提高算法的初始化速度;然后,将转角大小、非必要转向次数等约束条件加入适应度函数提升路径的平滑性,基于模拟退火算法改进选择算子来增强全局搜索能力,引入编辑距离筛选交叉前的个体以防止无效交叉,并添加删除算子解决冗余节点问题,获得了较短路径。最后通过实验仿真表明,改进算法规划的路径较短、收敛效果较好,有效防止了算法陷入局部最优。后经ROS机器人操作平台验证,搜索到的路径更具优势,在一定程度上证明了改进算法的有效性和可行性。

基于人工势场—遗传算法的机械臂避障方法研究

人工势场法是机器人避障规划中常用的方法,具有简单、实时性强的特点,但其存在目标不可达和局部极小值问题;文中针对机械臂的避障问题,首先利用人工势场法确定机械臂末端的避障轨迹,使用改进的斥力场克服势场法的目标不可达问题,利用随机逃离和沿等势线逃离相结合的方法解决局部极小值问题;其次针对机械臂末端避障轨迹中的每个点,采用遗传算法计算其对应的机械臂逆运动学解,在确保杆件不发生碰撞的情况下,充分保持关节角变化的柔顺性;仿真结果表明算法能够有效地实现机械臂的避障规划。

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。

数字势场和遗传算法的机器人路径规划的方法

提出了一种适用于任何形式机器人路径规划的新方法 ,该方法利用笛卡尔工作空间的几何信息 ,建立离散化工作空间的距离图和数字势场 ,基于启发函数引导机器人在构形空间使用遗传算法进行搜索 .而且 ,针对势场局部极小点问题 ,提出了一种使用遗传算法和交替势场进行逃离的新算法 .最后分别为 6自由度关节机器人和 12自由度双手协调机器人进行路径规划和仿真 。

基于改进人工势场-遗传算法的路径规划算法研究

针对传统人工势场法解决移动机器人路径规划路问题时存在目标不可到达问题(GNRON)和局部最优的缺陷,提出一种建立在改进的人工势场模型之上结合遗传算法的并行搜索方法来寻求全局最优解的方法。通过引入填平势场使得势场函数能够跳出局部极小点,再将遗传算法和人工势场法两种方法相结合,利用人工势场法来优化采用遗传算法所得到的全局路径。仿真研究证明了所提出的改进算法的有效性,改进后算法能够在复杂的静态和动态环境中实现避障并找到最佳或接近最佳的移动机器人路径。

遗传算法结合不同势研究Ir_n(n=2-60)团簇结构特性

采用Gupta势和Sutton-Chen势结合遗传算法系统地研究了Irn（n=2-60）团簇的基态结构特性．结果表明：在所讨论的尺寸范围内，n≥4时Gupta势比Sutton-Chen势描述的铱团簇的平均束缚能稍高；n=2～60间，大部分Ir团簇在两种势下具有相同的几何结构，在，n=22、29、35、37时两种势描述的团簇对称性不同．两类势都表明：在铱团簇的生长中，存在类Ih构型、类fcc构型和类十五面体构型之间的竞争；总体上，铱团簇的平均束缚能、平均近邻原子间距及平均配住数均随原子数目的增加而增大．两种势所描述的铱团簇具有相同的幻数序列（13、19、23、38和55）．

基于遗传算法和人工势场法的路径规划

在移动机器人的研究中,路劲规划是一个最基本也最复杂的问题。为了得到适合于机器人行走,以及全局最优的路径,采用遗传算法与人工势场法相结合的方法进行机器人的路径规划。首先采用遗传算法规划出全局最优或近似最优的无碰撞路径;再通过改进的人工势场法优化路径,增加路径节点,使路径更平滑。仿真实验结果表明,使用该方法所规划的路径是有效的和可行的。

Rh_n,Pt_n(n=2～20)团簇基态结构的遗传算法研究

用遗传算法结合Gupta紧束缚模型势研究了Rhn,Ptn(n =2～ 2 0 )团簇的最低能量结构。当n≤ 13时 ,两种团簇具有相似的几何结构 ,都从密堆积结构向二十面体结构演化 ;当n >13时 ,铑团簇的基态结构倾向于有序结构 ,而铂团簇的基态结构则倾向于无序结构。Rhn,Ptn(n =2～ 2 0 )团簇中每个原子的平均束缚能和配位数随团簇尺寸的增加而增大。能量的二阶差分给出Rhn,Ptn(n =2～ 2 0 )团簇的幻数是 4 ,6 ,13,15。

基于分布式遗传算法和改进人工势场法的导弹反探测航迹规划

基于兵棋推演仿真软件构建用以测试导弹制导与反探测能力的设定场景,并参考人工势场法在路径规划领域的应用,设计导弹反探测航迹规划方法以躲避探测侦察.为了高效搜索人工势场法的最优参数,基于Kubernetes在多服务器上搭建分布式框架,实现分布式遗传算法,在并行数目为100的实验中,理论加速比在98.41~99.46之间,实验加速比平均为96.95.将基于分布式遗传算法和人工势场法的导弹反探测航迹规划方法应用于各种不同探测策略下的导弹制导场景.实验结果显示,改进的人工势场法比传统的人工势场法的平均得分提高11.9%,遗传算法的进化次数平均减少2.73轮.该分布式框架可用于任意容器化的并行仿真任务中.

基于人工势场和量子遗传算法的移动机器人路径规划方法

为了解决移动机器人在前往障碍物附近的目标时存在不可达的问题,在人工势场的基础上提出一种移动机器人路径规划的新方法。该方法对人工势场进行改进,通过引入指数因子构造斥力势场函数来平衡障碍物的斥力,从而消除人工势场中的奇异点,用于解决障碍物附件目标不可达的问题。基于量子遗传算法对改进后人工势场上的路径规划方案进行寻优,从而实现从路径代价和安全性两个指标上对路径规则进行优化。仿真实验的结果表明,该方法能有效地解决障碍物附近的目标不可达问题,并可以提高路径规划的性能。

用密度泛函和遗传算法研究Cu_n(n≤20)团簇的尺寸效应

结合遗传算法和Gupta多体势系统地搜索金属团簇Cun(n≤20)的几何结构,并利用密度泛函方法进一步确定最稳定构型.分析了平均键长、平均配位数、结合能、二阶差分能、电离势和电子亲和势等性质随着尺寸的变化规律.发现在Cu7处团簇最稳定构型从二维结构转向三维结构,Cun(n≤20)团簇的幻数为8,13,20.团簇的键长、配位数和结合能属性随着尺寸的增长而递增最终接近相应的体相值;而二阶差分能、电离势和电子亲和势随着尺寸增加出现奇偶交替,说明偶数电子形成闭壳层结构,比相邻团簇更稳定.

混合团簇Cu_(13-n)Ag_n(n≤13)基态结构的遗传算法研究

在混合团簇基态结构优化的遗传算法方案中增加了交换算子,结合Gupta紧束缚模型势研究了Cu13-nAgn团簇的最低能量结构,选择合适的交换和杂交概率,可有效地提高优化效率,优化结果表明,Cu13和Ag13是全对称的二十面体,n=1～10的混合团簇能形成稳定结构,其构型是在二十面体基础上发生畸变,Cu原子趋于处在团簇中心,随着Ag原子数目的增加,原子间的平均距离单调增加,团簇的结合能单调减小,Cu2Ag11和CuAg12只存在亚稳结构。

Ir_n(n=2-25)团簇基态结构的遗传算法研究

用遗传算法结合Gupta紧束缚模型势研究了Irn(n=2-25)团簇的基态结构.分析了Irn(n=2-25)团簇的基态结构随团簇尺寸的变化规律.计算结果表明,Irn(n=2-25)团簇的每个原子的平均束缚能和平均第一近邻随团簇尺寸的增加而增大,以总束缚能的二阶差分为判据,Irn(n=2-25)团簇的幻数是4、7、9、13、15、19、23.

基于量子遗传算法的移动机器人的一种路径规划方法

以人工势场法和栅格法为基础,考虑到遗传算法的"收敛速度慢"和"早熟收敛"问题,提出了一种基于量子遗传算法的机器人路径规划方法。该方法采用栅格法进行路径规划,利用人工势场法控制移动机器人,利用量子遗传算法选择最优或次优个体,并且引入双适应度评价函数评价进化个体,为最优或次优个体进入下一代提供了保障。仿真实验表明,该方法的寻优能力及稳定性均优于遗传算法和量子遗传算法,且具有更好的收敛性以及更强的连续空间搜索能力,适于求解复杂优化问题。

用遗传算法研究Co_n(n=3-60)团簇的结构特性

我们采用半经验的Gupta多体势结合遗传算法,系统地研究了Con(n=3-60)团簇的几何结构特性.我们发现在钴团簇的生长中存在一个类fcc构型与类Ih构型之间的竞争,从n=39开始,钴团簇呈现出明显的Ih生长模式.Con(n=3-60)团簇的幻数为13,19,23,38,55,结合钴团簇的平均最近邻原子间距和平均配位数,分析了钴团簇幻数序列存在的原因.我们发现团簇内部原子具有增强团簇对称性和加强团簇稳定性的显著作用.

遗传算法研究Pd_n(n=2-57)团簇的结构特性

本文利用遗传算法结合紧束缚势计算了Pdn(n=2-57)团簇的基态能量及结构.通过讨论团簇的平均束缚能Eb、二阶差分能Δ2E(n)和剩余能ΔE(n),发现团簇平均束缚能随原子数目的增加而增大,n为13、22、30、38、41、46和55为其幻数序列.并发现,Pd54为无中心原子的Ih结构,其稳定性略低于Pd55的稳定性.

Rh_n(n=3～57)团簇基态物性的遗传算法研究(英文)

采用半经验的Gupta多体势结合遗传算法,系统地研究了Rhn(n=3～57)团簇的几何结构特性.我们发现在铑团簇的生长中存在类fcc构型与类Ih构型之间的竞争,从n=39开始,铑团簇呈现出明显的Ih生长模式.Rhn(n=3～57)团簇的幻数为13,19,23,38,55,结合铑团簇的平均最近邻原子间距和平均配位数,分析了铑团簇幻数序列存在的原因.我们发现团簇内部原子具有增强团簇对称性和加强团簇稳定性的显著作用.

基于遗传算法的Au-Cu-Pt三元合金纳米粒子的稳定结构研究

合金纳米粒子展示出单金属粒子所不具有的多功能性能,而其稳定结构的研究对于进一步了解其催化性能具有重要的意义.本文采用改进的遗传算法和量子修正Sutton-Chen型多体势对二十四面体Au-Cu-Pt三元合金纳米粒子的稳态结构进行了系统的研究.针对不同尺寸、不同组成比例的合金纳米粒子,探讨了遗传算法的收敛性及初始构型对稳态结构的影响.计算的结果表明:初始结构的选取并不影响最终的稳定结构,并且改进的遗传算法具有较好的稳定性;Au和Cu形成表面偏聚,而Pt则倾向于分布在内层;当Au或Cu比例较小时,Au和Cu表现出表面最大偏聚;当Au与Cu原子数之和大于表面原子数时,二者表现出竞争偏聚,且Cu的偏聚效应较强;随着Au,Cu原子数继续增长至大于表面和次表面原子数之和时,Au的偏聚性能增强.此外,Cu在占据表面后,会越过次外层,与Pt在内层形成混合相结构.

遗传算法研究贵金属团簇的基态结构

在遗传算法的选择规则中加入配位数分析的方法 ,并应用基于紧束缚模型的二级矩近似势计算得到了含 38、5 5和 75个原子的铜和金团簇的基态结构 .运用共同近邻分析等方法比较了两种团簇基态原子排列方式的显著差异 ,并认为由于金原子间作用的短程特性使得含幻数原子数 (N =38、5 5 )

遗传算法结合密度泛函理论研究Cu_(13)团簇的几何结构

基于Gupta多体势采用遗传算法详细计算了金属团簇Cu_(13)的几何结构,对所得到的大量低能(基态及低激发态)结构,利用密度泛函理论方法作进一步优化计算.结果表明:尽管遗传算法所得基于Gupta原子间多体势的基态结构(I_h高对称性的紧致结构)并不对应第一性原理计算结果(非紧致低对称性基态),但遗传算法给予的大量候选结构经密度泛函理论再次计算仍然可以高效地得到真实基态结构,体现出遗传算法在计算具有非紧致低对称性基态体系时的有效性.