The Optimal Inventory Policy for Reusable Items with Random Planning Horizon Considering Present Value

We discuss five areas of inventory model, including reusable raw material, EPQ model, optimization, random planning horizon and present value. In the traditional EPQ model, the stock-holding cost of raw material was not counted as a part of relevant cost. We explored the possibility of reducing a company’s impact on the environment and increasing their competitiveness by recycling their repair and waste disposal. The products are manufactured with reusable raw material. Our analysis takes into account the time value, and the present value method is applied to determine the optimal inventory policies for reusable items with random planning horizon. Results show how the heuristic approach can achieve global optimum. Numerical examples are given to validate the proposed system.

Multi-item EPQ model with learning effect on imperfect production over fuzzy-random planning horizon

Uncertainty is certain in the world of uncertainty.This study revisits an economic production quantity(EPQ)model with shortages for stock-dependent demand of the items with reworking and disposing of the imperfect ones over a random planning horizon under the joint effect of inflation and time value of money,where the expected time length is imprecise in nature.Transmission of learning effect has been incorporated to reduce the defective production.The total expected profit over the random planning horizon is maximized subject to the imprecise space constraint.The possibility,necessity and credibility measures have been introduced to defuzzify the model.The simulation-based genetic algorithm is used to make decision for the above EPQ model in different measures of uncertainty.The model is illustrated through an example.Sensitivity analysis shows the impacts of different parameters on the objective function in the model.

基于决策树模型的城市人群稳态分布预测实证——以泉州湾片区为例

基于预测的城市人群时空变化特征对城市空间资源进行配置是城市规划的重要工作,城市人口在不同的空间中快速变迁移动,具有非均衡分布的特点。这种人群非均衡分布的时空变化具有一定的规律性,即稳态分布。本文基于LBS数据以及建成环境的多源异构大数据,选取4大类36小类指标,采用智能决策树模型构建城市人群稳态分布的预测模型。对于泉州的实证发现,预测模型的准确度达84.32%,具有较高的准确性和依据,其内在理论依据是城市人群在空间上的规律性时空活动,能够为未来的城市规划提供决策参考。

近海复杂环境下UUV动态路径规划方法研究

为解决近海环境下水下无人航行器(unmanned underwater vehicle,UUV)的动态路径规划问题,本文提出一种结合全局和局部动态路径规划的算法。首先,本文提出一种基于自适应目标引导的快速拓展随机树算法,以增加随机树生长的方向性,并通过转向和重选策略减少无效拓展加快算法的收敛速度。接着,获得全局路径之后使用自适应子节点选取策略获取动态窗口法的子目标点,将复杂的全局动态任务规划分解为多个简单的动态路劲规划,从而防止动态窗口法陷入局部极小值。最后,通过UUV出港任务仿真实验验证了算法的有效性和实用性。

基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

改进RRT^(*)算法的无人艇局部路径规划方法

文中提出一种改进RRT^(*)算法,该算法依据国际海上避碰规则计算本船与他船间DCPA与TCPA并判断会遇场景,限制采样空间.通过偏置采样在采样空间中选取采样点,增强目的性,加快搜索速度.依据线段公理和锚点采样的方式重新选择父节点,去除中间冗余的节点,减少路径转向次数和路径长度,使得最终生成的路径相对平滑.结果表明:改进RRT^(*)算法减少了81%以上的转向点和5%以上的路径长度.

基于改进RRT的机器人路径规划算法

随机采样的RRT算法在非完整约束的规划问题中被广泛使用,但RRT方法存在收敛速度慢、随机性强、存在大量的冗余节点的问题,同时难以快速找到路径。针对以上问题提出一种改进的RRT算法。在提出一步记忆机制的基础上,算法基于历史拓展结果进行随机拓展或者向目标拓展;同时,将随机树拓展过程中因碰撞而拓展失败的节点进行随机旋转处理,以使随机树能够成功拓展;最后,采用双树生长策略,从目标点和起点同时生长随机树,加快收敛速度。仿真结果表明,相较于RRT,改进方法计算时间缩短18.1%~88.1%,随机树节点减少24.0%~90.6%。在真实环境下的实验对比验证了改进算法在路径长度、收敛时间等方面的优势。

复杂环境下的改进RRT算法路径规划

针对快速扩展随机树算法(rapidly-exploring trees,RRT)在一些复杂环境中存在搜索效率低、收敛速度慢、生成的路径冗余节点多等问题,提出一种改进的RRT算法。首先引入自适应目标概率策略,实时调整对目标点的采样概率;其次引入节点转向策略,提高单次采样的成功率;最后对生成的路径进行冗余节点裁剪,使路径更符合实际应用需求。在MATLAB中进行仿真实验,并与RRT算法、RRTGoalBias算法进行对比。实验结果表明,改进算法在多种不同环境下具有较好的适应性,在寻路时间、采样次数和采样成功率3个方面均有较大提升,最终平均路径长路降低了21.1%,平均节点数降低了75.3%,证明了改进算法的优越性和实用性。

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。

启发式快速探索随机树的电力杆塔三维航线规划研究

为了完成对电力杆塔运行状态的有效监测与故障诊断,要求无人机规划最优三维航线。文章基于快速探索随机树(rapidly exploring random trees,RRT)算法,提出一种启发策略的无碰撞三维航线规划方法,该方法集成启发式搜索策略进行代价函数设计,加速算法收敛,确保航线最优。在仿真环境与实际场景下的实验结果表明,同传统的RRT与改进的RRT*算法相比,本方法针对电力杆塔所规划的无碰撞三维航线,具有稳定可靠的最短路径长度,能够满足智能监测的应用需求。

薄板件高精度测量线激光连续扫描路径规划

线激光检测技术以其高精度的特点在复杂零部件检测中获得广泛应用,扫描路径规划结果对三维薄板件检测精度具有重要影响。由于线激光具有连续逐行扫描、单帧数据呈直线分布等特点,基于离散视点的规划方法难以实现被测件的各型面关键特征点的自动覆盖测量。为此,提出一种面向检测精度的多目标优化连续覆盖路径规划算法。首先,综合考虑路径长度、传感器入射角等因素,构建线激光连续扫描路径的多目标优化模型;其次,引入搜索随机树规划策略,通过对不确定度指数的迭代优化实现复杂结构件的全型面上关键特征点覆盖路径规划;最后,结合车门总成扫描案例开展应用验证,并与传统三维覆盖路径规划方法进行对比分析。结果显示所提出方法的测点平均不确定度指数较比较方法有所降低,验证了所提出方法的有效性和可行性。

不确定采摘环境下改进RRT算法的机械臂路径规划研究

由于果蔬采摘环境的不确定性和复杂性,机械臂在复杂环境中完成采摘,其路径规划需考虑实时避障。为实现采摘机械臂在不确定环境下安全采摘,提出一种改进RRT的动态避障算法,以提升机械臂在不确定采摘环境的适应性。针对基本快速扩展随机树算法(Rapidly-exploring Random Trees,RRT)在动态环境下迭代时间长、路径长、适应性差等问题,在RRT算法的基础上,引入目标导向策略,把终点以一定概率作为随机采样点的采样方向,提高算法的迭代效率;引入动态检测机制,对已完成规划的初始路径进行实时检测,使算法适应动态变化的环境。通过仿真分析改进RRT算法,结果表明:改进RRT算法的路径减少16%,迭代时间缩短86.5%;同时,动态检测机制使算法适应动态环境。

移动机械臂牵引卷装纱线的动态建模与控制

随着纺织工业的智能化转型需求,应用于纺织产业的工业机器人技术不断发展。针对在复杂的纺织加工环境下,机器人对柔性纱线直接操纵存在的纱线形态感知困难与空间局限性,以移动机械臂对织造领域整经纱架上卷装线头的牵引操纵为例,提出一种集成机器人避障运动规划策略的卷装纱线牵引操纵控制框架。构建了卷装纱线系统的动力学模型,解析了机器人与纱线间的运动耦合关系和机器人牵引纱线的运动控制方程,提出了基于纱线轴向应变约束的改进自适应引导快速扩散随机树算法,保障机器人避障运动的同时防止纱线被过度拉伸。通过数值仿真验证了该控制框架的有效性,实现了机械臂对卷装纱线从起点到目标点的无碰撞柔顺牵引操纵。

面向虚拟人上肢的避障作业姿态规划算法

为了完成虚拟维修仿真环境下的虚拟人维修作业姿态规划问题,提出一种基于改进RRT-Connect算法的虚拟人上肢作业姿态求解方式。在该求解方式中,将人工鱼群算法(AFSA)的觅食行为法则作为导向性策略引入传统RRT-Connect算法,从而使得路径规划任务中初始点与目标点的扩展具有导向性;将路径点作为虚拟人上肢末端关节运动轨迹点。为获得虚拟人维修姿态,利用逆向运动学进行推导,以在每一个路径点中得到符合人体关节自由度的姿态集。另外,为了选择出姿态集中的最优路径,利用快速上肢评估法求取最优的虚拟人上肢维修作业姿态。最后,以无人艇虚拟维修操作仿真为例,验证了该方法在虚拟维修应用中的可行性。

融合改进A^(*)算法和DWA算法的全局动态路径规划

针对常规A^(*)算法存在的路径规划中冗余节点过多、拐点过多、规划路径与障碍间的距离过短、容易产生碰撞等问题,提出了一种将改进A^(*)算法与动态窗口法相结合的新方法。该算法通过对栅格地图中的障碍栅格进行量化处理,提取环境信息,并根据这些信息对A*算法的启发函数和子节点选择策略进行调整。此外,为了优化路径的平滑度和安全性,设计了一种路径节点平滑处理算法。仿真实验结果表明,融合动态窗口法的融合算法不仅能够保证所规划路径的全局最优性,而且能够有效地避开随机障碍物。

基于RRT的无人机航迹规划算法

针对传统快速搜索随机树无人机航迹规划算法中采样点生成随机性过高,规划路径平滑度差的问题,提出一种基于改进快速搜索随机树的无人机航迹规划算法。在搜索树拓展过程中,引入限定采样点生成范围的探测场,改变采样点的生成策略,使算法具备迅速向目标收敛的能力和绕开障碍物威胁的能力。此外,改进算法还对初始航迹的冗余点进行裁剪,并采用B样条曲线法改善航迹平滑度。仿真结果表明,基于改进快速搜索随机树的无人机航迹规划算法比传统快速搜索随机树无人机航迹规划算法平均航迹长度减少21.75%,平均搜索树节点数减少75.78%,平均计算时间减少48.04%。

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。

融合A^(*)的改进RRT机械臂路径规划

针对RRT(rapidly-exploring random tree)路径规划算法在高维空间的机械臂避障路径规划时随机产生巨量节点,导致算法运行负担大、避障性能差、容易陷入局部极值的问题,提出一种结合A^(*)判断函数的改进RRT算法。对RRT的采样方式进行更改,每次生成一个包含多个随机采样点的序列,并利用改进的A^(*)判断函数进行排序;对每次生成节点进行距离判断,防止陷入局部搜索;利用重复贪心策略删除冗余节点,利用三次B样条平滑路径。在二维、三维地图及机械臂仿真与样机实验中进行算法性能分析,改进RRT算法能够大量减少到达目标位姿时产生的节点,缓解了局部极值,快速稳定地避开障碍物并到达目标位姿,证明了改进RRT算法的有效性和优越性。

基于RRT-BZD算法的移动机器人路径规划

针对传统RRT算法在移动机器人路径规划中效率低、路径非最优的问题,提出一种改进的RRT-BZD算法,以提高RRT算法的收敛速度和算法的搜索效率。改进的RRT-BZD算法通过设置自适应目标偏向策略以及修剪冗余节点,加快了路径规划的收敛速度,减少了算法运行的时间,并且使用贝塞尔插值法使最终的路径更加平滑。在MATLAB仿真环境中分别对不同场景下的算法进行对比实验,实验结果表明:改进的RRT-BZD算法路径代价比传统RRT算法减少了7.93%,计算时间减少了20.28%,验证了改进算法的有效性和可行性。

基于RRT^(*)改进的移动机器人路径规划算法

针对RRT^(*)算法在复杂环境路径规划中存在的盲目搜索、冗余节点及路径较长等问题,提出一种融合树扩展策略和采样策略的改进RRT^(*)算法(AF-RRT^(*))。通过创造父节点改进RRT^(*)扩展树的结构,缩小路径长度;引入自适应探索,增加采样导向的选择性,减少路径搜索时间,同时不会陷入局部最优陷阱;通过动态步长,减少冗余节点。仿真结果表明,AF-RRT^(*)算法在多种环境下,路径获取效率和路径质量均优于RRT^(*)和F-RRT^(*)。消融实验验证了AF-RRT^(*)算法和算法各功能模块的有效性。