基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

多目标遗传算法在机器人路径规划中的应用

针对具有多个优化目标的机器人全局路径规划问题,提出一种改进的多目标优化遗传算法。在初始群体的生成中,采用把随机法和基于问题先验知识的启发式方法相结合的策略,以加快收敛速度;在遗传算子的设计中,引入删除、修复和平滑算子,以提高算法的搜索效率;在选择算子中。加入避免外部存储器中出现相同个体的机制,以防止早熟收敛。仿真结果表明：该文算法运行一次能够有效地产生一组近似Pareto最优路径解。     

多目标优化-改进遗传算法路径规划模型

优化智能算法进行路径规划可以有效缓解用户出行拥堵问题,为此,设计了多目标优化-改进遗传算法(multi-objective-improved genetic algorithm, M-IGA)组合模型。采用Dijkstra算法改进种群初始化策略,完全规避了断路和环路,提高了初始种群质量;设计基于邻接矩阵的深度优先遍历交叉策略、邻接限制半随机变异策略,兼顾算法全局搜索和局部寻优能力,解决了种群多样性降低、过早收敛的问题。同时,在设计适应度函数时,引入个体用户偏好权重系数,综合考虑了平均行驶时间、交叉口延误、道路拥挤状况、道路等级4种因素来进行多目标优化,为用户寻找符合个体期望的最优路径。研究结果表明,所提出模型相比于蚁群算法路径寻优效率提高了54.322 0%;相比于单目标路径寻优,最优路径综合代价降低了23.609 1%,有效避开了拥堵及交叉口多的路段。     

基于遗传算法的多目标规划的求解

文章用遗传算法求解了一道数学建模竞赛题,并与其它算法进行了比较,体现了遗传算法解决多目标优化问题的优越性．     

基于小生境遗传算法在多目标规划中的应用

遗传算法作为一种通用,高效的优化算法,已应用到工程计算的各个领域。本文系统地介绍了遗传算法在多目标规划中的应用,借助遗传算法及其工具箱验证其全局寻优能力,并将计算结果与局部搜索法和模拟退火算法得出的结果进行比较,比较结果表明:遗传算法在处理多目标规划问题方面具有更佳的寻优能力。     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学工业描述了用遗传算法求解多目标整数规划问题的方法。这种算法较圆满的解决了既费用又考虑需求的下料问题，具有广阔的应用价值。     

多障碍离散路径规划的遗传算法求解

使用遗传算法求解多障碍离散路径规划问题时,容易产生大量无效解.通过计算个体的有效路径,评价个体,并在遗传操作中不断累积局部优势模式,可以对无效解进行遗传操作并最终生成有效解.无效解往往在有效路径的尾部陷入障碍.针对此变异操作,使得个体不仅可以保留前端累积的局部优势模式,同时可通过尾部变异跳出环境障碍.     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

基于遗传算法的目标规划求解

首先讨论了遗传算法的优点，然后提出了将遗传算法应用于带有约束优化问题的求解，并进一步将其运用于一目标规划的优化设计中，计算机数值仿真结果表明该方法的有效性     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.     

针对机器人路径规划问题的改进型遗传算法

针对路径规划的"求解质量"和"求解效率"2个问题,在传统遗传操作的基础上,通过在遗传操作中加入优化算子,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和仿真试验表明,算法的改进是有效的.     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

MP-GWO算法在多UCAV协同航迹规划中的应用

多无人作战飞机(UCAV)协同航迹规划是多UCAV协同作战的重要组成部分,对协同作战的结果有很多的指引作用。多UCAV协同航迹规划属于多峰值优化函数求解问题,其求解稳定性比较差。为解决多UCAV协同航迹规划求解稳定性较差的问题,首先在对影响多机协同约束条件研究分析的基础上,结合单机航迹规划求解中的核心指标,建立了多UCAV协同航迹优化函数;其次利用多种群灰狼算法(MP-GWO)在求解多峰值优化函数问题上比较稳定的特点进行求解,最后将MP-GWO分别与GWO算法、EA算法和在新增威胁环境下的求解结果相比较来验证算法的优越可行性。仿真结果表明,MP-GWO算法对多峰值问题具有求解稳定性,能够适应突发威胁环境下的求解。     

一种基于滚动窗口的AGV动态路径规划算法

AGV是一种无人驾驶搬运车,是智能型移动机器人的一种。路径规划技术是AGV技术研究中的一个重要领域。在多AGV协调作业时,需要研究AGV动态路径规划问题。由于AGV运行时需要很高的实时性和安全性,本文采用了基于滚动优化窗口的路径规划方法。在当前滚动窗口中,提出了一种针对AGV特点的动态路径优化算法。最后,通过仿真证明了该方法的有效性。     

“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.     

遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm, GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。