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。

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。

Bezier曲线与A-Star算法融合的火星探测器路径规划

使用移动探测器探索火星表面是各大航天国家探索火星的主流方式。为了得到探测器的安全路径,提出一种基于改进A^(*)算法的火星探测器路径规划算法。通过改进路径信息算法中的权重因子,优化传统算法的目标函数,可省略大量无价值的搜索路径,缩短搜索的时间,提高搜索效率。相比于传统的路径规划该算法能缩短53.94%的时间;引入拐角优化算法,在路径长度基本一致的情况下,减少了全局路径中拐弯的次数;满足探测器高效稳定的运行需求,拐角优化后,转弯次数相能减少16.77%。通过四阶贝塞尔曲线对路径进行平滑处理,有效避免出现拐角尖峰,确保探测器在火星表面的平稳行进。

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。

A Polar Coordinate System Based Grid Algorithm for Star Identification

In Cartesian coordinate systems, the angular separation-based star identification algorithms involve much trigon- ometric function computing. That delays the algorithm process. As in a polar coordinate system, the coordinates are denoted by angular values, it is potential to speed up the star identification process by adopting a polar coordinate sys-tem. An angular polar coordinate system is introduced and a grid algorithm based on the coordinate system is proposed to enhance the performances of the star identification process. The simulations demonstrate that the algorithm in the angular polar coordinate system is superior to the grid algorithm in the rectangle Cartesian coordinate system in com-puting cost and identification rate. It can be used in the star sensors for high precision and high reliability in spacecraft navigation.

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。

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。

考虑履带机器人转向特性的全局路径规划

针对传统A星路径规划算法忽略车辆转向过程,导致规划路径行程时间较长的问题,提出了考虑履带车转向特性的改进A星算法。首先,扩大A星算法的搜索邻域,提高转向角的灵活度。其次,分析考虑履带车的转向特性,将转向时间加入到代价函数中,建立以时间最短为目标的代价函数,缩短履带车的行程时间。最后,构建删除冗余节点和新增优化节点的规则,改善路径的平滑性使规划的路径进一步优化。通过Matlab仿真和实车实验进行研究,研究结果表明:改进算法在路径长度、转向次数和行驶时间方面都有了减少,规划的路径要优于传统A星算法和对比文献算法。改进A星算法能有效提高所规划路径的质量,提升履带机器人的自主巡航能力和智能化水平。

星型区块链架构的TKM分片算法

区块链系统的通量严重不足,而解决此问题最有效的一类方案是并行化处理,并行化方案主要为星型架构,当前星型架构对系统中节点的分片方式多为账户随机分片,这种分片方式的系统通量仍然不足。针对此问题,提出了一种基于星型结构的TKM分片算法,该算法将原始K-means聚类算法进行改进,并运用在节点分片上。TKM分片算法将聚类算法与区块链的网络分片技术相结合,使节点根据地理位置进行分片,极大提高邻近节点发生的交易为片内交易的概率,从而提高系统通量,同时在原始算法的基础上引入了时间戳,减少了恶意节点的攻击。仿真实验表明该算法与传统的随机分片算法相比,最大系统通量提高了20%。根据上述通量模型,通过实验得出基于TKM算法的星型区块链系统的最优分片数量。

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。

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。

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。

一种抗干扰目标的STAR算法

该文研究能在干扰目标下有效检测动目标的STAR(Space-time Autoregressive)算法,提出了一种抗干扰目标的STAR(OR-STAR)算法.文中分析了干扰目标恶化STAR算法性能的原因,提出了基于权矢量局部范数最大准则的干扰目标多普勒频率确定方法,进而逐一滤除训练样本中的所有干扰目标信号.理论分析与仿真实验结果表明,OR-STAR能有效克服干扰目标引起的检测性能恶化.该算法所需训练样本极少,是一种适合工程实用的STAP(Space-TimeAdaptive Processing)算法.

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。

面向碳排放的集装箱码头多AGV路径优化

随着集装箱码头AGV数量的增多,在作业过程中出现的大量路径冲突从而导致碳排放严重增加。文中针对路径冲突导致的碳排放量增加的问题,考虑到AGV冲突等因素,建立了以最小化AGV碳排放量为目标的模型,基于传统的A-Star算法设计了改进A-Star算法,对新增道路使用信息进行存储,并在寻路时考虑路段的使用情况。对某集装箱码头AGV路网进行仿真实验,通过不同冲突策略验证算法的可行性和有效性,结果表明在路径改进算法可以有效地对路径进行优化,使多AGV在作业过程中的碳排放量减小了10%以上。

一种具有必经点约束的非结构化环境路径规划方法

针对非结构化环境下具有必经点约束的路径规划问题,设计一种两阶段求解方法,并对每一阶段算法做出改进。第1阶段,对典型非结构化环境进行地图建模,针对A-Star算法存在的接触障碍物、路径曲折的问题,提出新的障碍物安全距离方法并设计折线优化策略平滑路径。第2阶段,详细阐述必经点问题的求解流程,建模为旅行商变体问题并将多种优化算法拓展至必经点场景。由于现有方法难以高效求解必经点问题,提出一种改进遗传粒子群(IGPSO)算法,包括分层随机初始化、改进交叉方式以及变异算子。最后进行对比实验验证,结果表明改进算法在最优解成功率、运行时间和迭代次数方面具备明显优势。

基于双特征的短波红外星图识别算法

在短波红外波段进行昼夜测星有望实现近地空间全天时自动导航,其中,星图识别算法是实现全天时导航的关键技术之一。传统的三角形算法在导航星数增多的情况下,由于其匹配特征维度低,在识别时容易出现冗余匹配、误匹配的情况。针对这一问题,提出了一种基于双特征的短波红外星图识别算法,该算法选取三角形的面积与外切圆半径双高维特征作为匹配特征,通过构建面积特征的K矢量索引,应用K矢量查找法降低匹配识别的计算复杂度。此外,还提出一种优化的观测三角形的选择策略,减少了匹配过程中的计算量,提高算法的识别速度。实验表明,星点位置噪声低于2像素时,算法的平均识别率优于95%;伪星数未超过50%时,平均识别率可达87.6%;并通过实际观星试验验证了所提算法的可行性,与改进的三角形算法相比,该算法在识别速度、识别率以及抗噪声能力等方面都有明显优势。

N-Star网络中最优的点到多点平行路由算法

Ｃｈｅｎ等研究了ｎ－Ｓｔａｒ网络中的点到多点并行路由问题，对前人的工作做了很大的改进，给出了一个几乎最优的时间复杂度为Ｏ（ｎ２）的算法．由Ｃｈｅｎ的算法所给出的ｎ－１条路Ｐ２，…，Ｐｎ满足｜Ｐｉ｜ｄｉｓｔ（ｖ１，ｖｉ）＋６，其中Ｐｉ是连接ｖｉ到ｖ１的路，｜Ｐｉ｜表示路Ｐｉ的长度，ｄｉｓｔ（ｖ１，ｖｉ）表示ｖｉ到ｖ１的最短路的长度．作者进一步改进了Ｃｈｅｎ等的结果，给出了一个新的时间复杂度仍为Ｏ（ｎ２）的算法，然而该算法给出的内部无交路Ｐ２，…，Ｐｎ满足｜Ｐｉ｜ｄｉｓｔ（ｖ１，ｖｉ）＋４（２ｉｎ），而且无论在时间上还是在生成路的长度上，均是最优的．