Neural network and genetic algorithm based global path planning in a static environment

Mobile robot global path planning in a static environment is an important problem. The paper proposes a method of global path planning based on neural network and genetic algorithm. We constructed the neural network model of environmental information in the workspace for a robot and used this model to establish the relationship between a collision avoidance path and the output of the model. Then the two-dimensional coding for the path via-points was converted to one-dimensional one and the fitness of both the collision avoidance path and the shortest distance are integrated into a fitness function. The simulation results showed that the proposed method is correct and effective.

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.

基于神经网络和遗传算法的移动机器人路径规划

提出一种基于神经网络和遗传算法的路径规划算法。采用神经网络模型对机器人的环境信息进行描述,利用神经网络的输出建立遗传算法的适应度函数;然后使用遗传算法优化路径。在该算法中将需规划路径的二维编码简化成一维编码。仿真结果表明提出的路径规划方法是正确和有效的。

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法 ,机器人工作空间动态环境信息的神经网络模型 ,并利用该模型建立机器人动态避障与神经网络输出的关系 ,然后将需规划路径的二维编码简化成一维编码 ,并把动态避障要求和最短路径要求融合成一个适应度函数。通过对算法进行实验仿真 ,结果表明提出的动态路径规划方法是正确和有效的。

动态确定基因数的遗传算法路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题。探讨了一种改进的基于遗传算法的静态环境下机器人全局路径规划方法的可行性。该方法通过障碍物的数量来动态确定所需的路径点数(基因),使得它能更广泛地应用于不同环境,最后对结果进行修正。仿真实验表明了该方法的有效性。

多移动机器人路径规划技术的研究现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术。所谓移动机器人路径规划是指各机器人在同一工作空间中规划一条避障导航的运动路径,保证每一时刻机器人与机器人之间无碰撞、机器人与环境障碍物之间无碰撞。从单机器人到多机器人的路径规划已有很多算法,首先从多机器人协作性质、环境信息和机器人结构三方面分别介绍多机器人路径规划方法,主要有全局路径规划方法、局部路径规划方法、集中式路径规划方法、分布式路径规划方法、混合式路径规划方法,再指出各种方法的优点和不足,最后对多移动机器人路径规划技术的发展趋势进行展望:传统的规划方法和新的智能方法的结合;多传感器融合;性能指标的提高。

基于智能技术的移动机器人路径规划方法概述

移动机器人路径规划是环境模型和搜索算法相结合的一种技术,规划过程既是搜索的过程,也是推理的过程。近几年人工智能中的很多优化推理技术也被运用到移动机器人路径规划中来,主要有模糊逻辑、神经网络、遗传算法和混合方法。

移动机器人路径规划方法研究

路径规划是移动机器人技术研究领域的关键技术之一。文章分析了机器人路径规划方法的研究现状,重点阐述了全局路径规划方法与局部路径规划方法,指出了各种方法的优点及不足。展望了路径规划方法的发展方向和研究重点。

基于神经网络和遗传算法的移动机器人路径规划

本文提出一种将遗传算法和神经网络综合起来以完成未知动态环境下移动机器人路径规划的方法。该方法中,机器人的移动由神经网络来控制,先通过前端装载的五个传感器来获取所处环境信息,将获取的障碍、位置及目标信息作为神经网络输入,然后利用遗传算法训练调整神经网络权值,最后将训练调整后的神经网络输出作为机器人的驱动控制力。仿真结果表明采用该方法,机器人能在较短的时间内寻找到一条平滑避障路径,完成从起始点到目标点的平滑高效移动。