基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。

基于改进蚁群算法的机器人路径规划

针对机器人路径规划问题,提出一种改进的蚁群算法。建立栅格地图模型,结合蚁群算法,设置禁忌表,同时针对死锁问题,提出丢弃陷入死锁的蚂蚁;当蚂蚁迭代次数大于60代后,通过减小信息素增强系数Q,达到提高算法收敛速度的目的。实验结果表明,改进后的算法能快速规划出最优路径,同时能避免陷入死锁和局部优化。

基于蚂蚁自动分流的机器人路径规划新算法

在复杂障碍环境下,如何使机器人所走路径最优,一直是机器人路径规划研究领域里的一个研究热点。依据真实蚂蚁具有自动分流功能这一研究成果,提出了一种全新的机器人路径规划蚂蚁算法。该方法首先用栅格法对机器人运动环境进行建模,在此基础上,两组蚂蚁进行相向觅食,当某节点被多只蚂蚁选择时,则自动分流,从而扩大了搜索范围,增强了搜索多样性,有利于获得最优解。计算机仿真实验表明,即使在复杂的环境下,用该算法也可以较迅速的规划出一条全局优化的路径,效果令人满意。

复杂环境下多种群蚂蚁机器人路径规划新算法

依据真实蚂蚁具有自动分流功能这一研究成果,提出了一种全新的机器人路径规划蚂蚁算法。该方法首先用栅格法对机器人运动环境进行建模,在此基础上,两组蚂蚁进行相向搜索,每组蚂蚁都含少量分流蚂蚁,分流蚂蚁选择信息素较少的路径行走,从而增强了搜索多样性。计算机仿真实验表明,即使在复杂的环境下,用该算法也可以较迅速地规划出一条全局优化的路径。

基于改进蚁群算法的机器人路径规划研究

针对物流机器人路径寻优问题,提出一种改进的蚁群算法。该方法使用双向搜索的A*算法预先得出两条路径作为较优解,之后以路径为中心向各个搜索方向扩展成优势区域,以设定的系数提高区域内信息素浓度,最终实现传统蚁群算法的改进。在20 m×20 m的栅格环境内对算法进行仿真试验,结果表明改进的蚁群算法的路径寻优能力更强,可为物流机器人路径规划问题提供一定参考。

应用于机器人路径规划中的蚁群算法的改进策略研究

针对蚁群算法在机器人路径规划中应用时存在的问题如搜索时间长、易陷于停滞、早熟等缺陷,参考路径规划技术研究的最新成果,对移动机器人路径规划问题的现有技术进行讨论总结,从环境建模、针对U型陷阱的回退机制、蚁群算法参数的动态调整、改变启发因子、混合蚁群算法、双蚁群算法几个方面介绍该问题的研究进展,对该领域的技术发展趋势作探讨。

改进蚁群优化算法的移动机器人路径规划研究

针对传统的蚁群优化算法存在易陷入局部最优解,搜索时间过长等问题,提出了一种改进的蚁群优化算法。通过建立栅格地图模型,采用状态转移规则结合轮盘赌的方法对下一节点进行选择,对陷入死锁的蚂蚁采用回退策略,避免陷入局部最优。同时改进信息素增强系数、改善信息素挥发因子、建立信息素因子与所需启发函数因子之间的互锁关系,缩短最短路径的长度,减少算法的迭代次数,提高算法的收敛速度。运用MATLAB进行仿真,仿真结果表明:改进后的蚁群算法明显优于传统的蚁群算法。

基于全向移动机器人路径规划的蚁群算法研究

基于一种全向移动的自动导航机器人,分析此机器人的轨迹规划问题.通过栅格法构建所需的环境模型,选用蚁群算法并扩展改进算法背景,将其应用于该机器人的路径规划中.并且对算法中的转移概率,启发式函数进行改进,通过在不同复杂度的多张地图上进行仿真实验,结果证明了该算法的可行性,有效性以及对不同规模地图的适应性.同时基于蚁群算法中关键参数的选取对于路径规划的影响做了相应的对比分析,寻找到最合适的蚁群算法参数.

准三维机器人路径规划的改进蚁群算法

机器人在荒野物资运输和山地自由行走时,需要在山地表面规划出行走路线,为此提出改进的蚁群算法加以求解。根据坡度提出避障规则,在满足避障约束条件下,合理增加路径的多样性;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使机器人尽量沿着起点和目标点之间的最短路径行进;依据实时路径长度,动态调整挥发系数,以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较,实验结果表明改进蚁群算法的有效性优于原始蚁群算法。

桥式起重机三维吊装路径规划

桥式起重机吊装路径规划研究大部分是在二维环境下进行的,在三维环境中的路径规划研究较少,且目前关于桥式起重机的三维路径规划方法多是基于传感器导航的Srinivas算法。该算法的参数是根据经验得到的,且在不同环境中很难准确选择最优值。所建立的环境模型障碍物约为两个,无法证明在更多障碍物的环境中是否仍然可以保证路径最优且安全防撞。鉴于智能算法的优势以及在机器人领域中的成功应用,提出了基于改进蚁群算法的三维吊装路径规划方案。建立静态且环境已知的桥式起重机三维作业环境模型,利用栅格法划分空间,将桥式起重机所吊重物最大摆动距离与其安全通过障碍物的距离之和设为安全距离,且对蚁群算法的启发函数、适应度函数、信息素更新公式等进行了改进,使其应用于桥式起重机三维环境的吊装路径规划。Matlab仿真研究结果证明了该方案的可行性与有效性。

融合粒子群与蚁群算法的机器人路径规划

针对蚁群算法在进行路径规划时存在收敛速度慢、寻优结果差、搜索不全面等问题,提出了一种融合粒子群与蚁群算法的路径规划算法,改变按照经验选取的惯常模式,利用粒子群算法对蚁群算法的参数进行优化。建立栅格地图,设置算法禁忌表,将蚁群算法搜索路径时的重要参数作为粒子群的位置信息,设计粒子群算法的适应值评价函数,引导粒子朝着评价指数高的方向收敛,运行蚁群算法求解机器人路径规划问题。仿真结果表明:该方法能改善蚁群算法的综合性能,实现机器人路径的快速规划。

基于改进蚁群算法的机器人路径规划问题研究

针对基本蚁群算法前期搜索效率低下以及在寻优的过程中会穿过障碍物等问题,提出改进的蚁群算法,即采用动态调整启发因子、信息素初始化改进策略、可选节点的筛选机制方案进行改进工作。通过对基本蚁群算法和改进蚁群算法的仿真结果分析可知,改进后算法的最优路径长度虽然有所增加,但减少了蚂蚁前期到达最优路径的迭代次数,得到一条无碰撞、没有穿过障碍物的路径,且耗时与基本蚁群算法相持平,保证了机器人路径的安全性,提高了算法的前期搜索效率。

基于改进蚁群算法的移动机器人动态路径规划

针对动态环境下的移动机器人最优路径问题,利用栅格法建模,提出1种改进蚁群算法。通过调整信息素启发因子和期望启发因子,自适应改变挥发系数。在路径规划时,提出相应的动态路径规划避障策略,使机器人在避障的同时得到最优或次优路径。实验结果表明,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下,该文算法经过25代收敛找到最短路径;改进算法比基本蚁群算法进化代数减少近50代,同时能有效避免移动机器人和动态障碍物碰撞,并且获得15.656的无碰路径。

基于改进蚁群算法的移动机器人全局路径规划

蚁群算法作为智能化仿生优化算法,其自组织性和智能性对研究全局路径规划问题具有指导性意义,基于此提出一种改进蚁群算法。首先采用栅格法建立环境模型并对传统的蚁群算法进行改进,对算法的启发因子和信息素更新策略进行研究与改进。仿真结果表明,改进的蚁群算法相对传统的蚁群算法具有收敛速度快和优化性能良好的特点。

基于多种障碍环境建模的机器人路径规划

移动机器人路径规划问题一直受到人们的广泛关注。针对不同复杂程度的障碍物环境分别采用传统算法和智能化算法进行控制。针对环境简单、障碍物较少且分散的情况,使用人工势场法进行局部路径规划。当环境复杂、障碍物数量较多且密集时,采用蚁群算法进行路径规划。首先使用栅格法对全局环境建立数学模型,然后模拟蚂蚁群体觅食过程,通过多次信息交流和数据更新最终在全局环境中规划出一条最优路径。在蚁群算法的模拟实验中,通过大量对比实验和仿真结果确定最佳组合参数设置,然后将这组参数用在不同的障碍物环境进行实验,均得出了最优路径。结果证实人工势场法和蚁群算法分别用于较简单和较复杂的路径规划环境是可行的且参数选取是合理的。

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。

服务机器人室内投递的全局路径规划仿真

在特殊时期为减少人员流动,避免餐厅服务人员与接单骑手的直接接触,本文设计了一种基于蚁群算法的服务机器人全局路径规划方法。采用栅格法构建室内环境地图,为服务机器人规划从起点至终点的室内投递餐品路线,有效地减少了室内外人员接触。在Matlab中进行重复独立的仿真实验。实验结果表明,该方法规划的室内全局路径不仅安全无碰撞,且路径最优,为提升室内服务机器人的自主性提供了可靠依据。

纳米级医学机器人路径规划设计

针对纳米级医学机器人在人体内的路径规划问题,比较各种路径规划算法的优缺点,择优采用栅格法与蚁群算法组合优化来作为研究纳米级医学机器人路径规划问题的算法,并使用Matlab软件进行建模仿真,比较实验结果,选取出适用于此路径规划最优的算法参数。

基于A^(*)扩展自适应蚁群算法的移动机器人路径规划

针对传统蚁群算法存在收敛速度慢、搜索效率低等问题,提出一种A^(*)扩展自适应蚁群算法.首先利用A^(*)算法在栅格环境下搜索初始路径,扩展初始路径构建优势区域,优化优势区域的初始信息素,避免蚁群算法在初期陷入盲目搜索;然后在转移概率中引入变向启发函数和参数自适应伪随机比例规则,提升算法搜索效率与收敛速度并淘汰劣质蚂蚁路径;最后采用B样条曲线对路径进行平滑.对比2种栅格环境下的仿真结果可知:所提出的算法能够有效地解决蚁群算法搜索效率低以及收敛速度过慢的问题,同时可以保证搜索路径的质量.