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%。

基于人工势场法和启发式采样的最优路径收敛方法

具有渐进最优性的快速搜索随机树(RRT)算法在路径规划过程中确保了其概率完备性和渐进最优性,然而仍存在收敛速度慢且产生大而密集的采样空间等问题。为了加快算法的收敛速度,提出了一种基于人工势场法和启发集合采样来快速获取最优路径的方法。首先,利用人工势场法构建出一条由起点到目标点的初始路径;然后,以起点和目标点的位置和之间的距离以及初始路径的路径代价作为参数来构建初始启发采样集合;最后,限定在启发集合内进行采样,并且在算法进行的过程中调整启发采样集合的范围,进而加快路径收敛速度。仿真实验中,获取相同路径代价的路径时,所提人工势场结合启发式采样的方法为基础的结合人工势场法和启发采样策略的快速获取最优路径的RRT(PI-RRT)算法相较于RRT算法,采样点数减少了约67%,算法运行时间平均缩短了约74.5%;相较于启发式RRT(Informed-RRT)算法,采样点数减少了约40~50%,算法运行时间平均缩短了约62.5%。所提出的最优路径收敛方法大量减少了冗余采样次数并缩短了算法运行时间,具有更高的算法效率,收敛到最优路径的速度更快。

针对混合变量优化问题的协同进化蚁群优化算法

针对由连续变量和分类变量构成的混合变量优化问题(MVOP),采用协同进化策略来对混合变量决策空间进行搜索,提出了一种协同进化蚁群优化算法(CACOAMV)。CACOAMV分别采用连续和离散蚁群优化(ACO)策略生成连续和分类变量子种群,通过合作者来对连续和分类变量子向量进行评价,分别对连续和分类变量子种群进行更新来实现对混合变量决策空间的高效协同搜索。进一步地,利用信息素平滑机制增强对分类变量解空间的全局探索能力,并设计了一种面向协同进化框架的"最佳+随机合作者"的重启策略来提高协同搜索效率。与混合变量的蚁群(ACOMV)算法和种群规模线性变小的差分进化-蚁群混合变量优化算法(L-SHADEACO)的比较表明,CACOAMV能够进行更有效的局部开发,从而提高最终结果在目标空间中的近似精度;与基于集合的混合变量差分进化算法(DEMV)相比较,CACOAMV能够在决策空间中更好地逼近全局最优解,具有更好的全局探索能力。综上,采用协同进化机制的CACOAMV能有效保持全局探索和局部开发的平衡,从而具有更好的寻优性能。

免疫算法几个参数的研究

免疫算法是一种新型的随机启发式搜索算法 .在简单介绍免疫算法的相关概念及操作步骤的基础上 ,针对几个关键参数进行了仿真实验 ,并通过分析仿真实验的结果 。

免疫算法的实现

免疫算法是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法。与遗传算法相似，免疫算法也是一种随机启发式算法，因而算法中的一些参数的取值和操作的具体实现形式对算法的性能产生较大的影响。该文针对几种关键操作，讨论了它们对算法性能的影响。

利用改进的随机松弛法求解旅行商问题

旅行商问题是一个典型的组合优化问题,也是多种复杂问题的一种简化形式.因此,寻求一种有效的算法来求解此问题成为研究热点.随机松弛法是一种基于Metropolis迭代法求解的启发式随机搜索算法.针对该算法在求解旅行商问题时,存在易陷入局部最优的缺点,本文提出了三种不同的改进方法.即就是说,在解变换产生新解的过程中,首先,随机选择三个城市.然后,分别给出了三种不同的随机处理方法.最后,在仿真研究中,与已有方法相比,结果表明所给的三种方法的路径更短,结果更优.

基于分等级公平竞争模型的可持续模拟退火算法的应用

通过改进可持续模拟退火算法(HFCSA)算法的个体定义与编码方式、种群的生成方式以及设计新的算子,成功解决了医学实验安排这种带约束的优化问题。设计的最优实验方案所需时间是某医学院所使用方案的77%,拓宽了算法的应用领域,为带约束优化问题的求解找到了新的途径。