基于改进A^*算法的无人机路径规划研究

针对无人机在野外复杂环境下传统的A^*算法在路径规划的过程中存在的内存开销大、运算时间长等问题,提出了一种新的算法。首先运用栅格法对无人机的任务空间环境进行环境建模,利用IDA算法进行路径规划,对传统A^*算法启发函数进行了相应的改进,提高了节点的搜索效率,并且结合双向搜索策略进一步降低了在路径规划过程中的节点搜索个数。通过仿真,对IDA算法、传统A^*算法和双向A^*算法在搜索时间和节点搜索个数等性能指标进行了比较和分析,验证了IDA算法的有效性。

基于改进A^*算法的水下重力匹配导航路径规划

水下重力匹配导航作为辅助手段,能够有效克服惯性导航系统在水下长时间航行产生的误差积累.重力场的不规则性,使得不同海域重力场适配性存在差异,重力特征变化显著的海域匹配精度较高,反之精度较低.在适配性评价基础上,对导航路径进行规划有助于提高作业任务可行性,合理规避不利因素.本文采用重力异常标准差、粗糙度等特征参数对海域重力场适配性进行评价,形成重力场适配格网参考图,引入A^*算法规划起始点和目标点间路径,达到了有效规避非适配区、提高航路设计合理性的目的.传统A^*算法存在的问题是,规划路径折线较多、线路总弯曲度大,本文设计了一种改进方法,通过前后向对比分析,对单个路径节点逐个进行筛选过滤,有效减少了冗余航向调整,实现了路径的平滑优化.

基于改进A^*算法的无人搜救全局路径规划研究

目的:研究一种改进双向A*算法来减少搜救无人机规划的路径长度和规划路径所需的时间,缩短搜救无人机到达灾害现场的时间,进而提升搜救工作效率。方法:首先对三维城市环境地图进行预处理,在障碍物周围的区域加入缓冲区;然后使用双向A^*算法,在起点和终点同步进行搜索,同时改进真实代价函数和估价函数;最后对双向A^*算法生成的路径进行进一步平滑处理。使用MATLAB软件对改进双向A^*算法和传统A^*算法在不同大小的三维城市环境地图上进行仿真实验,并对规划得到的路径长度、运行时间和转向次数进行对比。结果:与传统A^*算法相比较,改进双向A^*算法运行的时间减少了44%、路径长度减少了5.4%、转向次数减少了51%。结论:改进双向A^*算法与传统A^*算法相比,在三维城市环境地图下能有效提高搜救无人机的工作效率和安全性,具有重要的理论意义和应用价值。

基于改进A^*算法的水面无人船全局路径规划

A^*(A-star)算法是无人船全局路径规划中常用的算法之一,但是其规划的路径是不平滑、局部最优解的问题困扰着研究人员。针对该问题提出一种基于A~*算法改进的路径规划算法。该算法在栅格化的二维环境模型上扩大节点搜索邻域至24和48邻域,在更大的优化空间内得到全局最优解,且路径更加平滑。仿真实验结果表明,该算法在路径最短的基础上能够提高拐点的平滑度和路径的安全性。

基于改进A^*算法的无人车路径规划

传统的A^*算法在无人车路径规划中存在规划时间较长和搜索范围较大的缺点。综合分析A^*算法的计算流程后,从四个方面对A^*算法进行改进:1)目标性拓展,即根据待扩展节点和目标节点的相对位置来有目标性地选择不同的象限进行节点拓展;2)目标可见性判断,即判断待扩展节点与目标点之间有无障碍物,若无障碍物则跳出A^*算法的探索过程,以此减少多余的搜索;3)改变A^*算法的启发函数,即增加待扩展节点的n辈父节点到目标点的代价估计,以此减少到目标点的代价估计的局部最优情况;4)改变扩展节点的选取方略,即改变传统的最小化启发函数来选择扩展节点的方式,通过引入模拟退火法来优化扩展节点的选择方式,使得搜索过程尽可能向靠近目标点的方向进行。最后通过Matlab仿真实验结果表明,在模拟的地图环境下,提出的改进A^*算法在运行时间上减少67.06%,经历的栅格数减少73.53%,优化路径长度浮动范围在±0.6%。

基于记忆模拟退火和A^*算法的农业机器人遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A^*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。

基于A^*算法的机器人路径规划与避障研究

针对当前智能机器人应用中传统人工势场法路径规划存在的问题,对传统人工势场法进行改进,同时引入A~*算法进行全局路径优化。具体则是在传统人工势场法中,对斥力函数进行改进,同时建立虚拟目标牵引点,以改进局部极小值和目标不可达的问题;在全局路径规划方面,引入A~*算法,通过改进A~*算法中的估计函数,以解决启发函数信息太弱或太强的问题。最后在Mat-lab2012b对上述混合算法进行编程,得到不同方法下的仿真结果。结果表明,本文构建的改机算法可有效到达终点,并且曲线光滑、平稳。

基于改进的A^*算法集装箱码头自动导引小车路径规划研究

针对传统A^*算法规划出的路径碰撞威胁较大,提出了在原启发式函数基础上增设自动导引小车(AGV)与障碍物间距离和安全距离函数,限制AGV与障碍物距离,从而达到降低碰撞威胁的目的.以上海洋山深水港为例,运用改进的A^*算法,根据实际情况设计仿真实验,验证了引入碰撞因子的A^*算法距离缩短为1 m时,规划时间增加为0.04 s,算法整体效益明显提高.

基于背向障碍物搜索A^*算法的平滑路径规划

提出一种基于背向障碍物搜索方式的改进A^*算法。为了剔除路径中不必要的转折点,同时保证与障碍物的距离,采用提取最优转折点策略。引入三次均匀B样条插值函数,平滑优化转折点之后的路径。仿真实验证明:提出的改进A^*路径规划算法,保证了规划出的路径与障碍物留有一定距离,且总体路径更加平滑,更有利于移动机器人的控制。

基于改进A^*算法的无人配送车避障最优路径规划

针对无人配送车在特定应用场景下的全局路径规划问题,提出了一种改进的A^*算法.首先,根据无人配送车的运行环境,建立栅格地图,并使用基于八邻域搜索的A^*算法在栅格地图上规划起始点到目标点的路径;其次,在基于八邻域搜索A^*算法的基础上,融入了一种适应无人配送车运行环境的多启发式搜索方法,使改进后的算法能够快速精确地规划出路径距离最优的初始路径;并进一步优化初始路径的转折线段为圆弧,最大限度地平滑路径;最后,改进A^*算法的路径生成机制,使规划生成的路径不会斜线经过障碍物的边界线,保证无人配送车安全有效地避开障碍物,到达目标点.仿真结果表明,该算法缩短了路径规划时间,同时转折线段优化为圆弧,生成的路径与障碍物始终保持至少半个栅格的最小安全距离,该研究对于无人配送车快速实现安全配送具有重要的理论价值和应用意义.

改进的A^*算法在游戏寻路功能中的应用与研究

在游戏开发中,A^*算法是主要解决地图搜索寻径的方法。为实现算法在不同游戏地图场景中的适用以及更好地节省系统资源的占用,文章提出了精简地图路径点的方法,在路径搜索时对地图路径点个数进行精确缩减,从而减少算法代价函数值的计算次数,进而节省资源消耗。在Unity引擎环境下进行算法模拟,模拟结果表明,该算法可以较好地节省系统资源和提高运行效率,在更大规模地图中,效果尤为明显。

基于改进A^*算法的移动机器人路径规划方法

首先分析了A~*算法在运行过程中存在多条对称性的路径、扩展节点多等问题,指出使用定向搜索的方法减少A*算法生成并扩展的节点数量。通过消除对称路径,大量减少添加进openlist和closedlist中的扩展节点,极大地提高了搜索效率。最后使用不同地图进行实验,以验证改进后的算法性能。实验结果表明提出的定向搜索策略不仅是一个简单的策略,而且还是一个高效的策略。该方法是快速的、最优的,不需要提前处理任何信息,也不需要额外的存储空间,路径结果相较于传统算法更加平滑。

基于IGWO-A^*算法的无人机农田喷洒航迹规划

目前无人机已经在农业领域逐步应用,在精量播种、农药喷洒、植被检测等不同类型的农业航空作业中有着广泛的应用,采用无人机进行农药喷洒已经成为农业植保过程中的一项重要任务。多喷洒点遍历及障碍物避障的航迹规划问题,影响着无人机喷洒作业的效率。如何规划无人机喷洒作业点的顺序及低空作业避障问题在农田喷洒任务中受到了广泛的关注。使用传统灰狼优化算法求解能力强,但这易陷入局部最优解。针对此问题提出了一种改进的灰狼优化算法(IGWO)与A~*算法相结合的无人机农田喷洒航迹规划算法。IGWO算法引入了K-Means算法进行种群初始化以加强种群多样性,引入了非线性收敛因子以平衡算法的全局搜索与局部开发能力,引入了粒子群优化算法个体优越性进行位置更新以避免算法陷入局部最优,从而使得IGWO算法具有更强的模型求解能力。运用IGWO算法无障碍物的求解遍历多喷洒点的最优航迹路径,随后在障碍物阻挡的航迹路径段运用A~*算法避障规划以修正段内航迹。试验仿真结果表明:IGWO算法与GWO算法在随机生成的5个喷洒任务点的遍历航迹规划长度相同,而在随机生成的30个喷洒点遍历航迹规划中IGWO算法是GWO算法寻找最优解所需迭代次数的1/3,且规划路径缩短4.17%,说明IGWO算法对大任务量喷洒任务点更具有优越性,收敛速度更快,模型求解能力更强,规划航迹效率更高,同时验证了基于IGWO-A~*算法的无人机农田喷洒航迹规划的真实有效性。该研究为农业植保提供了一定的理论基础,为无人机自主作业解决了前提条件。

基于A^*算法的无人机路径规划研究及分析

针对无人机在复杂环境上路径规划问题,提出一种基于A^*算法进行路径规划,规划出最佳路径。首先通过MATLAB对自主设计的陆空无人机进行数据建模,生成三维模型。以杭州师范大学钱江学院地形为例创建栅格模型,模拟飞行环境,通过A^*算法进行路径规划。

基于改进A^*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。基于A^*算法在复杂地图轨迹规划耗时长、拐点多等问题,提出了一种基于图论及几何方法的改进A^*算法的避障与导航方法。该方法在传统A^*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明:该改进算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。

基于多目标点A^*算法的停车场车位路径引导系统设计

针对目前多数停车场缺乏易于工程实现的车位引导系统,导致用户找停车位难且存在一定安全隐患的问题,本文设计一种基于多目标点A^*算法的停车场车位引导系统。本系统由出入口控制模块、车位状态监控模块、路径引导模块和信息处理中心共4个部分构成,能最大程度基于现有停车场基础设施进行扩展,具有工程量小、成本低的特点。设计的多目标点A^*算法能够在多个潜在目标点中遴选出一个最优目标点,完成最优车位路径规划。最后,以某小区停车场为例,利用Microsoft Visual Studio 2015平台进行仿真实验,重点运行最近车位引导、步行最少引导、连续空余车位引导这3种常见模式。仿真结果验证了系统的有效性和可行性。

基于交通约束及多元启发函数的改进A^*算法

针对多移动机器人的环境下容易出现碰撞的情况以及传统A^*算法规划的路径容易出现拐角数多的问题,基于栅格建模的方法,提出了交通约束法,并且在A^*算法原有启发函数的基础上,添加拐角数的评判指标,构成多元启发函数。在MATLAB仿真平台上对基于交通约束及多元启发函数A^*算法进行仿真实验,结果证明在多AGV系统下,基于交通约束及多元启发函数的A^*算法在规划出合理路径的前提下,减少了拐角数,降低了碰撞几率,提高了移动机器人完成路径的效率,具有较强的稳定性。

一种改进A^*算法的无人机路径规划研究

针对复杂空域三维空间内的无人机路径规划,提出了一种改进的A^*算法。首先,为了确保在目标空间的两个航路点之间搜索到最优航线,引入航迹长度、飞行高度等权重因子。其次,采用变步长搜索方式并设计变权值路径评估函数,提高A^*算法路径搜索效率,优化路径规划效果。最后针对无人机转弯半径、俯仰角、偏航角等性能限制,设计了多种航线优化算法以满足性能限制,并最终得到最优的可飞航线。仿真结果表明,通过改进A*算法可以得到更优的无人机航迹规划路线。

基于象限判别下的改进A^*算法路径规划

传统A^*算法找到零碰撞概率的节点,需要很多处理时间并涉及检查很多相邻节点,因此工作效率较低。文章提出,将图像处理技术与路径规划避免碰撞技术相结合,通过基于象限判别下的改进A^*算法,识别从起始点到目标点的最佳路径,避免碰到任何障碍物。为了验证所提出的改进A^*算法可以解决传统A^*算法中的缺点,通过编程语言MATLAB的图形处理进行了避障路径仿真。结果表明,所提出的改进A^*算法可以有效缩短路径,减少处理时间。

A^*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A^*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A^*算法的八角度搜索基础上,设计了一种多角度A^*算法以获得更短的两点之间可行路径,并以A^*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.