基于射线模型的改进全局路径规划算法

针对目前服务于移动机器人的全局路径规划算法存在拐点多、耗时长或递归计算复杂等问题,本文提出一种基于射线模型的改进全局路径搜索算法.利用形态学滤波处理障碍物栅格地图,并引入碰撞估值增加靠近障碍物的栅格的代价值,形成梯度代价栅格地图.结合射线模型从起点向终点进行射线搜索,并在搜索过程中通过逆向优化算法优化路径.通过实验证明...     

融合A*和Bresenham的游戏路径规划算法设计与实现

网络游戏中角色的路径规划一直是网络游戏研究领域的难点问题。寻路算法的优劣能最大程度地影响网络游戏的智能性和可玩性。针对游戏中路径搜索的特点,在对一般搜索算法和启发式搜索技术进行详细分析与研究的基础上,通过对传统的A*算法中的估价函数进行加权修正,并与Bresenham算法相结合后,有效地提高路径搜索的效率。实验结果表明,本算法不论在扩展的节点数,搜索的次数,消耗的时间等方面取得更好的效果,同时智能性也得到了较大的提高。     

基于改进A*算法的无人机动态航迹规划

在无人机航路规划问题的研究中,针对传统 A*算法在航路规划中的不足,提出了一种增加约束条件的广义搜索 A*算法,并将该算法应用到动态航路规划中。该算法在节点搜索中解决了 A*算法大空间搜索的复杂程度,而且用重新估价代价值来满足无人机的实时性,最后用平滑处理算法使规划的航路满足无人机的机动性能约束。仿真结果表明,该算法性能优于传统 A*算法,具有很好的实时性,适用于无人机航路规划的工程应用。     

改进A*算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法.首先,对全局规划A *算法进行改进.改进后的A *算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与...     

一种改进A~*算法的智能机器人路径规划

将栅格法与路径搜索A*算法思想进行有效结合,改进A*算法采用多个栅格包络障碍物方式,利用顶点外延节点生成路径来构造连通图。在此基础上,引入平滑度概念,将算法应用于二维空间进行机器人路径规划,提高算法搜索效率。实验结果表明,与A*算法相比,改进后的算法能有效壁障,减少路径规划耗时。     

改进A*算法的机器人路径规划研究

针对路径规划问题提出A*优化算法.首先,在传统A*算法的基础上利用JPS算法对子节点进行扩展跳跃,提高A*算法的效率;然后,对A*算法规划路径使用贝塞尔曲线进行平滑处理;最后,基于Matlab平台将改进的A*算法在9组不同栅格地图上进行仿真实验.结果表明,利用JPS算法和贝塞尔曲线改进的A*算法在路径规划过程中计算量极...     

基于A*算法的智能轮椅的路径规划

文章研究提取智能轮椅所处位置的环境信息,并对其进行可视图化。基于Matlab平台,利用A*算法对可视图进行分析,建立合理的估价函数,进而对智能轮椅进行路径规划,实现智能轮椅避障的最优路径设计。     

动态环境下基于改进蚁群算法的移动机器人路径规划

针对同时具有静态和动态障碍物的复杂环境下机器人路径规划问题,提出一种基于改进蚁群算法(ACA)的路径规划方法。文章所述的方法由两部分组成,分别为全局和局部预测避障路径规划。首先,在传统ACA上调整转移概率,加入精英策略以解决路径规划时易陷入局部最优的问题。其次,针对上述改进ACA在动态障碍物环境中适应性低的弊端,通过加入滚动窗口指导移动机器人在栅格环境中避开动态障碍物,仿真结果表明所述方法具有可行性。     

基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

改进的动态A*-Q-Learning算法及其在无人机航迹规划中的应用

Q-Learning算法是一种基于价值函数的强化学习方法.传统的Q-Learning算法迭代效率低且容易陷入局部收敛,针对该劣势改进了算法,引入A*算法和动态搜索因子ε.将改进后的动态A*-Q-Learning算法应用于三维复杂环境下无人机的航迹规划,分析无人机航迹规划结果的回报函数、探索步数和运行效率.结果表明,改进...     

改进A*算法的多约束航迹规划

针对当前航迹规划的研究偏于理论、规划效率不高的问题, 从工程应用出发, 分析了航迹规划的多种约束条件, 提出了一种多约束条件下的快速航迹规划方法, 设计了基于航向角有限离散变化思想的工程化搜索策略;改进了A*算法流程, 采用结构体链表式的最小二叉堆技术管理OPEN表和CLOSE表, 显著提高算法的规划效率;提出了删除航路点的航迹优化方法, 对传统A*算法和改进的算法分别进行了仿真。结果表明, 在多约束条件下, 该方法显著提高了规划效率。     

基于改进A*算法的水下航行器自主搜索航迹规划

以水下航行器在水下路径规划为研究重点,提出了基于改进型A*算法的水下无人航行器自主搜索航迹规划算法。一般航迹规划可由多种算法完成,而在这些算法中以A*的计算流程最为简单、算法易于实现,并在理论上可保证全局最优解的收敛性;且程序较为简短,可在一些低功耗、低主频的系统中应用。由于传统的A*算法不具备最小转弯半径等约束条件,因此,针对水下航行器高低速问题,对传统的A*算法进行改进,使得A*算法可实现高速与低速相结合的应用。     

一种改进的RRT路径规划算法

本文以自主驾驶车辆为实际应用背景.提出了一种改进的RRT(快速随机搜索树)路径规划算法.该路径规划算法将非完整性约束条件与双向多步扩展RRT搜索算法相结合,在提高搜索效率的同时保证了规划路径的可行性.同时将路径点作为B样条基函数的控制点,用三次B样条函数来拟合控制点生成平滑可跟踪的路径.通过在平面障碍物环境下实验,验证了该算法的有效性.     

基于卡尔曼滤波和D*算法的动态目标航路规划

针对目前运动目标航路规划存在的滞后性和计算量过大等问题, 提出一种适合于动态环境下动态目标的航路规划方法。首先, 采用卡尔曼滤波算法对目标下一步的位置进行预测, 然后, 调用D*算法以无人机当前位置为起点, 目标预测位置为终点进行航路规划。同时, 为了减少预测误差和保证高效的航路规划效率, 该方法引用了动态的目标观测周期。由于卡尔曼滤波算法是按照递推公式来预测无人机下一步状态的, 不需要很多的历史数据, 所以该预测算法不仅减少了计算量, 而且由于采用超前规划, 使算法具有了很强的实时性。从仿真结果来看, 该算法有效地缩短了航程, 减少了到达目标位置的时间。     

结合改进A*算法与拆线重布的有序逃逸布线

逃逸布线是印刷电路板设计的一个重要组成部分.针对并行逃逸布线的方法用于较大规模电路板布线时速度慢且结果不够好的问题,该文提出一种结合改进A*算法与拆线重布的有序逃逸布线方法.首先,通过代价预估函数确定引脚的布线顺序,使用改进A*算法初始化有序逃逸布线.接着,优化同长度布线路径,调整拥挤区域布线路径.最后,使用A*算法和广度优先搜索进行拆线重布.实验结果表明,该方法对给出的所有测试用例都实现了100％的逃逸,得到有序逃逸路径的可行解非常接近最优解,CPU时间比布尔可满足性问题(SAT)算法与最小费用多商品流(MMCF)算法平均减少分别约为95.6％,?97.8％,总体线长也接近最优.提出的方法能够明显减少寻找可行解的时间,提高布线质量.     

结合改进A*算法与拆线重布的有序逃逸布线

逃逸布线是印刷电路板设计的一个重要组成部分。针对并行逃逸布线的方法用于较大规模电路板布线时速度慢且结果不够好的问题,该文提出一种结合改进A*算法与拆线重布的有序逃逸布线方法。首先,通过代价预估函数确定引脚的布线顺序,使用改进A*算法初始化有序逃逸布线。接着,优化同长度布线路径,调整拥挤区域布线路径。最后,使用A*算法和广度优先搜索进行拆线重布。实验结果表明,该方法对给出的所有测试用例都实现了100%的逃逸,得到有序逃逸路径的可行解非常接近最优解,CPU时间比布尔可满足性问题(SAT)算法与最小费用多商品流(MMCF)算法平均减少分别约为95.6%, 97.8%,总体线长也接近最优。提出的方法能够明显减少寻找可行解的时间,提高布线质量。     

动态自适应快速扩展树航迹规划算法研究

快速扩展随机树(RRT)是航迹规划的重要算法,针对其难以直接应用于无人机航迹规划的问题,提出了动态自适应RRT算法.动态自适应RRT算法在随机点产生过程中加入无人机转弯角约束,使航迹更适合无人机直接跟踪;同时引入动态调节因子,根据环境中障碍密集程度调整规划步长,有效避免各类障碍.计算机实验结果表明动态自适应RRT算法在单航迹规划和多航迹规划中明显优于基本RRT算法和其它改进RRT算法,更适用于无人机航迹规划.