全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。

遗传算法在动态路径诱导系统中的应用

提出了以随机A*算法为基础,运用遗传算法来求解不满足先进先出原则的动态网络中最短路径问题的思路,其中通过运用提出的随机Dijkstra算法解决了将遗传算法应用于最短路径问题中的最大障碍——初始种群的产生.最后,以广州市电子地图为基础,对提出的算法进行了验证,验证结果表明遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.

基于多维度数据挖掘的船舶最优航线生成研究

为了使船舶以最佳航线到达目的地,研究基于多维度数据挖掘的船舶最优航线生成方法。通过官方电子海图挖掘海域港口、陆地物标等多维度坐标数据后,使用改进随机路径图算法生成船舶初始无向路径网络图后,从航行安全距离和航线目的地潮汐时间维度,设置最优航线生成指标。依据该指标和初始无向路径网络图,利用改进和声搜索算法生成最优航线。实验结果表明:该方法可有效生成船舶初始航线路线和最优航线,生成的最优航线适应度数值较高,实际应用效果好。

基于修正PRM算法的智能车辆路径规划研究

针对概率地图算法(Probabilistic Road Map, PRM)存在选取采样点缺乏导向性、路标图复用率低和算法搜索效率低等问题,设计一种以空间主轴线为参照轴的伪随机采样策略,优化采样点的生成方式,去除冗余采样点;设置路点之间距离阈值,采用双向递增方法进行碰撞检测,优化碰撞检测调用次数,提取规划路径的关键路点作为贝塞尔曲线的离散控制点,对路径进行平滑处理,使生成的路径更加符合车辆的行驶工况,利用Matlab、ROS搭建试验平台对修正PRM算法的正确性进行验证分析;对比基本PRM算法,修正PRM算法在路标图的构建速度、路径规划速率和路径长度3方面具有明显的优势。

复杂网络上的一种映射网络模型

一些规模相对较小的网络是建立在规模相对较大的网络基础上的。提出了一种基于较大规模的底层网络生成较小规模的映射网络模型的算法,比较了以均匀的随机图和非均匀的无标度网络作为底层网络时,所生成的映射网络模型的结构性质。

一类人流仿真系统中的随机路径搜索算法

为了大型展览会的顺利举行,在进行展会场馆规划时,需要对展览会中行人交通流的行为建模预测,并利用人流仿真系统模拟展会举行时的情况,以期在展览会举行前预知将会出现的问题。在利用元胞自动机建立人流离散数学模型的基础上,根据行人交通流的基本理论,提出人流在行进时,路线选择的特征。并在仿真系统中采用对电子地图进行深度优先遍历的方法搜索路径。而后根据人流行进路线的特征,在所得的路径中筛选出相对合理的路径,最后随机选择,得到搜索结果。通过测试说明算法所得结果符合人流特征,并且效率也可以满足需要。

粒子群优化算法在舰船路径优化仿真中的应用

为保障舰船安全稳定航行,显著提升舰船续航能力,设计了基于粒子群算法的舰船路径优化方法。使用概率图法构建舰船航行路线图,按舰船在航行性能方面的评价指标,构建与舰船航行路线图相关、综合考虑舰船转弯角度以及地形威胁等约束的舰船航行路径优化模型,并应用改进粒子群算法求解所构模型,得到满足约束条件的舰船航行初始最优路径。之后通过删除冗余点的方式对舰船航行初始最优路径实施平滑优化处理,得到最终的舰船航行最优路径。实验结果表明,该方法可收获更优的舰船航行路径,舰船按该路径行驶,更有利于续航,使舰船航行任务得以有效完成。

考虑地面行人安全的无人机低风险路径规划策略

为了提升无人机点到点作业任务的安全性,本文提出了一种低风险路径规划策略。低风险路径规划策略包括风险评估和路径规划两部分。在风险评估部分,以无人机对地面行人的风险作为评估指标,建立风险值评估模型和风险等级评估模型,以风险图作为结果表征无人机作业的安全程度。在路径规划部分,结合风险评估模型的特有背景和特点,提出了一种改进快速探索随机树*算法,这一算法使用了路径冲突检测和优先探索等策略,可以更加有效的探索到低风险路径。最终,案例分析表明,低风险路径规划策略能有效规划出避开风险较高区域的作业路径,其路径风险代价相比于直线飞行降低了13.16%,其路径规划时间相比于对比算法降低了60.63%和12.20%。因此,这一规划策略具有实用价值,可以提升无人机作业的安全性。

基于栅格地图的复杂地形建模与仿真技术研究

针对当前二维地图语义信息单一且三维地图构建复杂以及占用内存大的问题,提出一种基于栅格地图的复杂地形下的机器人仿真环境。该平台能自动生成复杂地形任意组合的随机地图,并获取传感器实时仿真数据。实验结果表明,该平台完全满足路径规划相关算法验证,且复杂地形子模块提供更丰富多变的地形组合,适合用于深度学习数据集的建立。

基于拓扑地图的移动机器人室内环境高效自主探索算法

为了减少移动机器人在自主探索过程中反复到达已知区域的次数,从而提高自主探索效率,提出一种高效率自主探索算法TMRRT(topological map based rapidly exploring random tree)。首先,将变生长率的局部与全局快速扩展随机树(RRT)作为探测器来发现地图的边界,并对前沿点进行聚类;同时,将最佳探测点存储下来作为拓扑地图,避免机器人反复到达已探索区域。最后,在不同环境下进行仿真并在实际环境中进行验证。实验结果显示,本文的探索算法相对于RRT算法平均探索时长减小了7.5%以上、平均路径长度减小了19.8%以上,相对于FA(frontier-based approach)自主探索算法平均探索时长减小了15.7%以上、平均路径长度减小了34.3%以上。结果表明,该算法可以有效提高机器人自主探索的效率,在实际环境中具有可行性。