基于关节点寻路算法的航空线缆路径规划

针对航空线缆路径规划问题,提出一种非栅格化处理的关节点寻路算法。引入“基线”概念,首先通过基线和布线环境信息求得初始关节点集合,将路径规划问题转换为关节点集合的优化选取问题;然后依据障碍物信息进行关节点的冗余关节点筛选优化;再对去除冗余点的关节点集合进行迭代优化,以路径最优为收敛条件进行关节点的添加和删除;最后利用关节点作为布线路径节点,获得线缆路径。实验结果表明,关节点寻路算法可以有效减少线缆布线的弯折次数和线缆长度,并在布线时间上较优。

基于改进A-star算法的轮椅无障碍出行路径规划策略研究

随着当前城市出行空间环境的复杂化,针对轮椅无障碍出行路径规划问题,文章提出一种基于改进A-star算法的轮椅无障碍出行路径规划策略。首先分析轮椅出行路径的影响因素,通过结合出行障碍以及出行时间两种影响因素将出行地图进行栅格化处理,同时将出行障碍函数融入A-star算法的成本函数中,实现对A-star算法的改进。最后通过实例进行仿真验证,结果表明:改进后的A-star算法可以有效地考虑轮椅出行障碍,并规划出合适的轮椅出行路径,验证了文章所提出策略的有效性。

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。

基于图论节点的改进A-star栅格路径规划算法

提出了一种将图论最短问题中的路径节点及栅格地图中的栅格节点位置信息结合的路径规划算法。依据图论最短问题思想,提取室内具有特殊信息的位置节点,并判断节点间可视性,加入到先决地图信息中。在此基础上改进的A-star算法在扩展节点时,根据启发函数,只在特殊节点位置进行扩展,避免计算大量不必要栅格点的启发函数,从而提高算法效率。实验结果表明,改进后的A-star算法较之前时间缩短了79.2%,所遍历栅格节点减少了99.4%,且栅格分辨率大小不影响路径规划效率。最后总结改进方法的优缺点,期望改进算法可用于室内多目标同时导航。

室内环境下改进的混合路径规划算法

为了解决室内非结构化复杂环境下的机器人在路径规划时常常出现目标点不可达、规划过程产生折角偏移、规划过程无法及时规避动态障碍物等问题,提出一种改进的混合室内路径规划算法。该算法将改进的全局路径规划与改进的局部路径规划算法相融合。首先,优化传统A-Star算法的启发因子,减少搜索范围和节点,再通过角平分线切点法对传统A-Star算法进行平滑处理。其次,综合路径与环境信息,采用改进的人工势场算法进行局部路径规划,通过修正斥力场参数来解决目标点不可达问题,同时构造了动态的势力场函数,使其具备决解决动态障碍物的能力。最后,对混合算法进行实际环境的路径规划实验,比起传统的混合算法文中提出的混合算法在路径规划长度上减少11.4%,运行时间减少11.1%,少经过34个冗余节点,结果表明该融合算法可以有效解决室内非结构化复杂的路径规划问题。

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。

基于半边数据结构的A-star路径规划算法及实现

针对3D游戏地形的路径搜索问题,提出基于半边数据结构的具有避障能力的A-star最短路径搜索算法。算法利用三角面与邻接边的拓扑关系建立半边数据结构,并以三角面邻接边中点作为路径节点,对比传统的以欧氏距离为预估代价计算模型,提出一种新的预估代价计算模型的A-star算法(HEAS),算法可有效规避障碍并找到最优路径。实验表明,HEAS算法可适用于不同三维地形,并可确保在较短的时间内找到最优路径。实际上,HEAS算法不仅可应用于3D游戏场景下的最优路径搜索,亦可应用于实际三维地形图的最优路径规划问题。

基于A-star算法与DWA算法的小型农用运输车智能避障系统研究

已有的小型农用运输车智能化程度不高,在矮化密植果园难以实现自主导航及避障,也可能对果树或他人造成伤害。从小型农用运输车路径规划与避障系统方面进行研究,在小型农用运输车的基础上加上路径规划与自动避障模块,根据指令在路径中检测环境中障碍物,做出相应的避障动作,完成路径规划并实现最优策略,到达目的地,帮助使用者在矮化密植果园更安全、快捷运输。

基于Laguerre图的自优化A-Star无人机航路规划算法

为了降低无人机航路规划的运算量,减少规划时间,确保算法对于任意形状威胁区域和地形的适应性以及所规划航路的准确性,提出了一种新颖的LA-Star算法用于无人机航路规划。首先把威胁区域和禁飞区域简化为圆形,利用Laguerre图算法进行航路预规划,在此基础上简化二次规划空间的范围,之后恢复威胁区域和禁飞区域的真实形状,在简化后的规划空间内使用改进A-Star算法实施二次航路规划,最后对生成的航路进行自优化处理。仿真结果证明了LA-Star算法满足航路规划的实时性和准确性要求。

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A-Star算法在无人机航迹规划问题应用中的局限性,提出了一种结合飞行器简化运动学方程的改进A-Star算法,并将该算法应用于解决无人机在未知危险环境中的威胁规避问题;研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。

大场景中虚拟车辆自动寻路的高效算法

以虚拟机场中车辆的运动模拟为研究背景,提出一种基于A*算法的高效自动寻路的方法。该方法把寻路问题划分成两个阶段:在第1阶段,全局地图环境采用图搜索空间中的点和线的逻辑组织形式,以满足大场景下寻路的高效率实现和系统分级寻路的要求,第2阶段,局部地图组织采用更细致的栅格表示方法。重点研究了全局寻路的算法实现和改进,并在此过程中拓展了A*算法的启发性特点,实验结果表明了该方法的实用价值。

贪婪和A-Star算法在物流配送中的应用及仿真

在物流的各项成本中,配送成本占了相当高的比例。因此,物流配送中最优路径选择对物流企业增加利润起着关键作用。采用科学、合理的方法来进行物流配送路径的优化,是物流配送领域的重要研究内容。本文深入研究A-Star算法,结合贪婪算法的思想,在QTCreator平台上,采用VisualC++编程对物流配送中路径的选择问题进行模拟仿真。通过再现交通运输环境,模拟物流运输中的突发事件,优化物流配送的路线。根据需求,设计出最短路径和最少时间的配送方式,并在地图上显示其对应的路径。通过本软件模拟解决物流配送中各种情况,从而降低运输成本。这对于提高物流配送决策效率以及降低物流配送成本具有重要的意义。

基于A^＊和Bresenham相结合的网络游戏寻路算法设计与实现

网络游戏寻路算法主要是解决角色以最佳的方式走到指定地点的问题。该文首先介绍了一种基于启发式搜索的A*算法和获得直线路径的Bresenham算法,并结合游戏地图,给出网络游戏寻路算法及其具体实现方法。结果表明,A*算法结合Bresenham算法实现寻路提高了目标搜索的效率,从而突显了游戏角色和怪兽的智能性,增强了游戏的可玩性。

Dijkstra和A-star算法在智能导航中的应用分析

Dijkstra算法是最经典的最短路径算法,A-star算法是最有前景的启发式搜索算法。深入分析和比较两种算法,在复杂的交通地形图中,通过改进估价函数,证实了A-star算法在智能导航中更加高效。

基于A＊算法的游戏地图寻路实现及性能比较

在A*算法描述的基础上,给出了基于分层寻路思想的A*算法优化方法及划分游戏地图的6种方式.针对26×20=520个节点的游戏地图,利用栅格法按8方向连接对游戏地图进行了划分,分别采用Dijkstra算法、双向宽度优先搜索算法、A*(曼哈顿距离)算法、A*(欧氏距离)算法、A*(切比雪夫距离)算法和动态A*算法5种算法进行了寻路仿真实验,对比分析了各种寻路算法的性能.实验结果表明A*算法是各种寻路算法中扩展节点数量最少和计算耗时最短的一种算法;当采用不同的启发式函数,A*寻路时扩展的节点数量也不同,因此选择一个高效的启发式函数对A*算法是至关重要的.

基于BP神经网络的扫地机器人寻路算法

传统的寻路算法通常用在已知地形结构的基础上规划路线,而扫地机器人的工作环境通常是陌生的,传统寻路算法在此失效。该文结合BP神经网络的特性,提出一种基于BP神经网络的扫地机器人寻路算法,目标是使扫地机器人能够在任何陌生的环境中正确地完成寻路任务,通过分析扫地机器人的清扫模式,建立观察模型和运动模型,利用MatLab实现对应的BP神经网络,并对传统BP网络激励函数进行了优化,最后经过训练和仿真验证了算法的有效性和实用性。

广度优先寻路算法在手机游戏寻路中的应用

本文探讨了手机游戏开发中的一些寻路算法,提出了如何在手机中使用广度优先寻路算法在手机游戏寻路中的基本思路,使查找容易,实现最佳路径。

并行蚁群算法在虚拟场景下寻路中的应用

本文根据蚁群算法的并行特性,对并行集群下的同步异步蚁群算法进行研究,阐述了在TSP问题求解中的仿真应用,通过实验对并行蚁群算法的参数选择进行了分析,确定了参数的选择原则以及对算法性能的影响,并且应用于虚拟场景下车辆的寻路,有利于并行蚁群算法在优化问题中的推广和应用。仿真研究表明并行蚁群算法不仅具有较快的寻优速度,而且具有较强的寻优性能。该算法中的参数对于TSP的求解有较大的影响,通过最优参数的正确选取,能使得算法取得更优的值。

启发式A^＊算法在游戏寻路中的应用

文章在对A*搜索和启发式搜索技术进行详细分析与研究的基础上,将A*算法应用于flash游戏中的寻路,并在此基础上分析出A*算法的实际应用时间效率和空间效率。

基于A-Star算法警用地图查询系统的设计与实现

介绍了一种基于A-Star算法的警用地图查询系统的设计与实现。系统采用了面向对象技术进行程序设计思想,运用A-Star算法实现了对警用地图的数据进行检索和路径分析,为人民警察工作及时出警、精确打击、高效抓捕提供了技术保证。