多人两层多目标决策问题的L-UFuzzy目标规划算法

针对多人两层多目标决策问题，应用Ｋｕｈｎ—Ｔｕｃｋｅｒ充要条件［１］、论证了将其转化为等 价的一般多目标决策问题的方法［２］。为了体现决策者的意志和偏好，运用Ｌ－ＵＦｕｚｚｙ目标规划的算法求出其有效解。

基于路径规划特点的语义目标导航方法

为了解决语义目标导航任务中存在的探索效率低、深度不精准等问题,本文构建了一个解决语义目标导航任务的框架,在语义地图构建模块中引入了深度图边缘处理以及地图纠错机制;在探索模块中引入了覆盖范围最大化算法;在路径规划模块中引入了替代点机制。本文在一个3D仿真环境下进行了实验。实验结果表明,本文提出的解决方案明显提升了语义目标导航任务的性能。此外,本文所提方法成功应用到了四足机器人上,从而验证了其在现实场景下的泛化性。

目标区域引导的RRT^(*)机械臂路径规划算法

针对传统RRT^(*)算法在机械臂路径规划的过程中存在规划效率低、路径质量不佳、机械臂位姿不当等问题,提出一种目标区域引导的RRT^(*)机械臂路径规划算法(TA-RRT^(*))。在传统RRT^(*)算法基础上,引入目标偏向策略并使用球形子集约束采样,缩小采样范围并使新节点朝向目标点扩展,增强目标导向性;对新节点采用直连策略,让算法可以更快地收敛从而提升路径生成速度。对初始规划路径去除冗余点并使用三次B样条曲线转换成平滑路径,优化了路径质量。对机械臂进行位姿约束,通过机械臂逆运动学判断机械臂连杆位姿可达性,并利用包络盒模型判断机械臂是否与障碍物碰撞。实验结果表明,在二维以及三维场景下,TA-RRT^(*)算法在采样次数、规划时间、路径长度以及平滑度等方面的性能均优于RRT^(*)算法,验证了该方法的正确性及可行性。机械臂仿真实验以及在真实环境下的测试结果显示,加入位姿约束后机械臂运行规划好的轨迹时,机械臂各个关节在运行规划路径的过程中并未与障碍物发生碰撞且具有良好的稳定性。

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

基于双向目标偏置APF-informed-RRT^(*)算法的机械臂路径规划

针对当前机械臂路径规划算法存在搜索随机性大、目标偏置性差和路径曲折等问题,提出了一种基于双向目标偏置的APF-informed-RRT^(∗)算法。首先在双向informed-RRT^(∗)基础上引入概率自适应的目标偏置策略,降低搜索的随机性,提高采样效率;其次针对路径扩展在双向搜索树中融入人工势场法,减少算法的迭代次数;同时在路径生长阶段,采用动态步长生长策略,即根据搜索树的扩展趋势动态调整步长,避免出现局部最优,并且加快路径搜索时间;最后针对冗余节点采用三角不等式原理进行去除,进而通过B样条曲线对路径进行平滑处理,得到最优规划路径。通过与双向RRT^(∗)、双向informed-RRT^(∗)和双向P-RRT^(∗)等算法在三维环境下进行了仿真对比实验验证,相较于双向RRT^(∗)在时间上节约了41%,在采样点数量上减少了63%;相较于双向informed-RRT∗在时间上节约了58%,在采样数量上减少了68%;相较于双向P-RRT^(∗)在时间上节约了30%,在采样数量上减少了60%。

二层多目标随机规划逼近弱有效解集的上半收敛性

为研究二层多目标随机规划逼近问题的弱有效解与精确的弱有效解之间的逼近收敛性,针对上、下层都带有约束条件的一类多目标二层随机规划的逼近问题,构建了二层多目标随机规划逼近问题的弱有效解集的上半收敛性理论框架。即在假设下层反馈到上层的最优解集函数为凸函数的前提下,借助严格凸函数的性质,利用多目标随机规划的弱有效解可以表示成相应的单目标随机规划最优解集交集的结构特征,建立了二层多目标随机规划逼近弱有效解集的上半收敛性,提供了逼近方法求解二层多目标随机规划弱有效解集可以近似替代精确的弱有效解集的理论依据。

基于IMOGWO算法的机械臂多目标轨迹规划

为了在提高串联机械臂工作效率的同时保证运行轨迹良好的节能性、平稳性及灵活性,设计新的多目标轨迹优化方法。采用高次NURBS(non-uniform rational B-Spline,NURBS)曲线插值方法,构造机械臂高阶连续、首尾运动参数均可指定且具有局部修改特性的关节轨迹,保证了机械臂的运动性能。采用改进多目标灰狼算法(improved multi-objective grey wolf optimizer,IMOGWO)对机械臂轨迹进行优化,得到Pareto最优解集,该算法采用SIN混沌初始种群、非线性收敛因子、个体维度位置学习及领导者广义反向学习变异,并通过不可行度来处理多物理约束条件。在六自由度串联机械臂上的仿真实验结果表明,采用高次NURBS曲线规划方法可得到高阶连续的分段可调轨迹,采用IMOGWO算法可对NURBS曲线实现有效的多目标寻优,得到较为理想的Pareto分布,为用户提供多样化选择方案。

多目标下改进NSGA-Ⅱ的机械臂轨迹规划

以UR5e机械臂为研究对象,针对机械臂作业过程的运动轨迹进行轨迹规划,机械臂关节空间轨迹采用七次B样条曲线构造,针对其需满足时间短、能耗低、运动平滑的要求采用非支配排序遗传算法(NSGA-Ⅱ),并针对其易陷入局部最优、收敛速度慢等缺点,采用佳点集和非均匀变异算子使初始种群分布更加均匀、加快收敛。仿真结果表明,七次B样条曲线所构造的机械臂轨迹速度、加速度、加加速度连续平滑且无断层现象,在运动学约束的前提下,改进后的NSGA-Ⅱ算法世代距离平均下降了76.96%,空间分布性指标平均下降了23.06%,其在收敛性、分布性上均优于原算法,更接近于Pareto最优解,有效实现了机械臂的多目标优化问题。

多目标免疫的风景园林植物布局规划模型

常规景观植物布局规划模型构建方法主要采用大数据技术,通过构建双层规划模型实现景观园林布局规划目标,无法有效剖析植物景观布局影响因子的作用机制,导致模型求解出的目标值高于实际布局规划方案的目标值。基于多目标免疫算法构建风景园林植物布局规划模型,对植物景观布局的影响因子进行分析,明确其作用机制,以此为数据基础,利用多目标免疫算法提取景观群空间尺度特征信息。基于特征信息提取要素,以景观关联度最高、生态环境破坏度最小和空间利用度最大为目标构建综合景观植物布局规划模型,实现风景园林植物布局的合理规划。以实际公园为测试对象,对构建的景观植物布局规划模型进行性能验证。结果证明:所提模型求解出的风景园林植物布局规划目标值均优于对比方案的目标值,提高了景观关联关系值、降低了生态环境破坏值和空间利用实现最大化。

基于改进跳点搜索和蚁群算法的机器人多目标点巡检规划

针对移动机器人的多目标点巡检规划问题,本文提出了一种融合改进跳点搜索算法(JPS)与蚁群算法(ACO)的路径规划算法.首先,在JPS算法的评估函数中引入角度引导因子,使路径具有更强的导向性;然后,综合考虑路径距离、平滑度、安全性对评估函数的影响,以获得综合性能更优的路径;其次,提出了双向的逆向跳点剔除规则,筛除了多余节点,从而进一步降低路径长度并提高路径平滑度;最后,将多目标优化得到的路径综合性能替代传统旅行商问题(TSP)中的距离因子,并使用自适应蚁群算法来实现多巡检点的路径规划问题.仿真结果表明,改进JPS算法与传统JPS算法相比,具有更好的综合性能;同时应用于多巡检点规划时,具有更强的有效性和实用性.

多目标规划方法在森林公园功能区划中的应用

【目的】基于景观资源评价和多目标规划开展森林公园功能区划优化研究,为森林公园景观功能区划提供技术支撑。【方法】以浙江省杭州市富阳区大安顶森林公园为研究区,开展各景观单元生态恢复力、视觉敏感度和景观美景度评价,结果通过线性变换转换为重点保护、维持现状、局部调节和建设改造等4项管理对策适宜度,最终运用多目标规划法(VMP)寻找各景观单元最优管理对策。【结果】①建立了以生态恢复力、视觉敏感度和景观美景度为核心的森林公园生态景观质量评价指标体系,应用结果显示,大安顶森林公园生态恢复力、视觉敏感度总体水平较高区域差异较大,景观美景度较高但区域差异较小;②提出了属性指标-管理对策适宜度的线性变换模型,实现多指标评价结果向公园功能区划的适宜度转换;③应用多目标规划方法,就研究区20个景观单元的管理寻找到最优方案,寻优结果与景观实际情况高度耦合;④5个多目标规划方法中,理想点法、目标规划法、模糊规划法可划为一组,功效函数法和最大最小法为另一组,2组内部规划结果基本一致,组间稍有差异,其中以模糊规划方法平衡性最好。【结论】森林公园生态景观质量评价研究所获的结果数据通过属性指标-管理对策适宜度模型转换后,应用多目标规划在全局和景观单元水平寻找到管理对策最优解,结果与实际情况高度耦合;5个常见多目标规划方法中,理想点法、目标规划法、模糊规划法表现良好,模糊规划法最优,推荐应用。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

海上风电场交流集电和多端柔直输电并网系统多目标优化规划

集电和输电并网系统的优化规划对海上风电场(offshore wind farm,OWF)的投资经济性和运行可靠性有着重要影响。对于OWF中交流集电和多端柔直输电的并网方式,建立了拓扑与潮流耦合的兼顾经济性和可靠性的多目标优化规划模型。模型中利用拓扑冗余度直接近似计算风机停运损失电量,并考虑了新型双边环形的交流集电系统拓扑结构和基于连通性约束的多端柔直输电系统拓扑结构,实现了对集电和输电系统拓扑连接,交流和直流海底电缆类型,海上升压换流站数量、容量、位置,和连接到海上升压换流站馈线数量的协调优化规划。并且,提出了一种直接求解多目标优化问题折中最优解的方法,通过凸化处理将原混合整数非线性规划模型转化为混合整数凸二次规划模型,以高效求解获得最优规划方案。最后,对2个分别含36台和78台风机的实际OWF算例进行分析,验证了所提出模型和方法的正确有效性。

基于机器学习的工业机器人多目标轨迹规划

为满足机器人工作轨迹的多样化需求,以时间、能量及冲击为优化目标提出了一种新的多目标麻雀搜索算法,用于寻找机器人的最优轨迹。首先,通过7次B样条插值方法构造关节空间轨迹,以此确立多目标综合最优轨迹规划模型。其次,采用违反约束度计算、非支配排序以及精英保留来改进麻雀搜索算法,使其能够处理机器人多目标轨迹规划问题。最后,用袋装树分类算法对随机种群内数据进行了筛选,并搭建5层BP神经网络来替代改进多目标麻雀搜索算法中适应度值的数值计算部分,从而提高算法求解效率。通过MATLAB仿真与实验证明了该算法优化所得轨迹的可行性及有效性。

基于TSP_RRT算法的柑橘多目标连续采摘路径规划

【目的】柑橘等季节性水果收获约占整个作业量的40%,耗时耗力,研发柑橘采摘机器人已成为提高柑橘生产效率的重要途径。为解决柑橘采摘机械臂在果园非结构化环境下的规划效率低、规划路径长等问题,提出了一种非结构环境下将旅行商问题(TSP)和快速搜索随机树算法(RRT)相结合的柑橘连续采摘最优路径规划方法(TSP_RRT)。【方法】为了在仿真环境中描述真实的柑橘果树,建立了基于几何包络法的柑橘树模型。将柑橘树的树枝树干等障碍物部分采用分段圆柱体包络,无需采摘的柑橘采用包围球包络。采用带先决条件的概率性随机采样策略,通过引入采样阈值与生成的采样随机数进行判断,可以有效降低采样的盲目性。引入目标引力控制节点生长的最短距离,实现扩展树的生长方向总是朝着目标点的方向,引入自适应步长使得扩展树在生长时根据障碍物的密度自动调节步长大小,目标引力和自适应步长策略提高了采摘机器人路径规划的收敛速度和规划效率。为提高柑橘多目标采摘路径的整体最优规划,缩短路径长度。基于遗传算法的旅行商问题,并考虑采摘过程中树枝等障碍物的干扰,引入障碍物因子来获取多目标采摘顺序的最优解。【结果】仿真结果表明,TSP_RRT算法规划所获得的连续采摘路径长度相比于TSP_RRT-connect算法和TSP_RRT*算法的多目标连续采摘路径分别缩短34.52%、10.19%,规划时间分别减少约31%、50%,TSP_RRT算法的路径规划成功率约为98.8%。【结论】与多种机械臂路径规划的RRT算法相比,改进后的TSP_RRT算法可以快速、准确地生成一条机械臂采摘的最优路径,缩短了路径规划的长度,减少了路径规划的时间。该算法可为柑橘采摘机器人在多目标连续采摘中提供参考和技术支持。

基于多目标规划的供应商订单分配方法研究

制造企业在进行物资与服务采购时,对多源供应商一般采用固定的订单分配比例,但固定比例分配订单在履约过程中,由于供应商订单与能力未精准匹配,客观造成了一些产品出现质量不稳定、未按时交货的情况。为了使供应商能力和获得订单数量匹配,文章针对多源供应商的订单分配问题建立一种基于多目标混合整数规划模型,该模型可以依据供应商过往的各项能力表现,确定使用的供应商数量和订单分配数量,并考虑实际采购过程中阶梯降价的情况。使用供应商的实证数据进行求解后,结果显示该模型具有良好的准确性和实用性,可以作出科学的采购决策,并为其他制造企业提供借鉴和参考。

面向小行星柔性附着的目标导向姿态规划

为解决小行星柔性附着约束复杂、姿态机动控制难度大、机动路径规划求解困难的问题,提出一种目标导向小行星柔性附着姿态机动规划方法,通过构建节点平面耦合动力学模型,实现对柔性3节点探测器姿态描述和动力学约束的表征。设计局部优化扩展策略对快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法进行改进,以目标姿态的空间距离为优化函数,结合柔性体姿态动力学模型构建二次规划问题,增强沿姿态路径机动的目的性。并通过数字仿真进行验证,结果表明提出的方法与传统启发式规划方法相比计算消耗时间少,且对姿态机动路径长度进行了优化,可实现小行星探测器柔性附着过程中姿态机动的需求。

融合强化学习的多目标路径规划

移动机器人路径规划问题的节点数量大、搜索空间广,且对安全性和实时性有要求等因素,针对移动机器人多目标路径规划问题,提出一种新颖的融合强化学习的多目标智能优化算法.首先,该算法采用NSGA-II为基础框架,利用强化学习的赋予个体学习能力,设计一种SARSA算子提高算法的全局搜索效率.其次,为了加速算法的收敛速度和保证种群多样性,增加自适应模拟二进制交叉算子(tanh-SBX)作为辅助算子,并将种群分为两种性质不同的子种群:精英种群和非精英种群.最后,设计了4种不同的策略,通过模拟退火算法的Metropolis准则计算更新策略的概率,让最合适的策略引导种群的优化方向,以平衡探索和利用.仿真实验表明,该算法在不同复杂度的环境下均能找到最佳路径.相比传统智能仿生算法,在更加复杂的环境中,所提出的算法能有效平衡优化目标,找到更优的安全路径.

面向多无人车的目标点分配和协同路径规划算法

针对多智能体路径搜索算法在非指定式多车协同路径规划问题中路径冗长,计算效率低等缺陷,提出协同目标点分配路径规划算法Nutcracker-CBS。首先构建紧耦合目标点分配MAPF框架,实现目标点分配和路径构建的联合寻优;针对目标点分配模块,提出改进的星鸦优化算法,增量式求解分配问题,缩短模块用时;针对路径构建模块,提出改进的MAPF算法,通过回退式约束构建机制,引入避碰路径估计的绕道机制和数据共享底层路径规划机制,提升效率和路径质量。数据集实验中,Nutcracker-CBS时耗相比SOTA算法减少90.37%;目标点分配模块求解耗时减少86.76%;MAPF模块6 s内构建100辆无人车路径,平均路径长度缩短6.058%。实际实验中路径总和与系统运行时长分别减少55.26%和61.29%,提升了多机器人系统的效率,降低了路径长度。