基于改进蚁群算法的灭火机器人路径规划研究

提出一种适用于灭火机器人避障路径规划的改进蚁群优化算法,采用自适应更新策略的方法规划最佳避障路径,建立了简洁、严谨的蚁群优化算法函数,以达到对灭火机器人避障路径的优化.这种方法能够使灭火机器人在未知环境寻找火源时有效避开障碍物并且使机器人所走路径最短,所用时间最少.经实验证明了该方法的可行性和有效性.     

名优茶采摘机器人路径规划

提出一种直角坐标系双机械手名优茶采摘机器人。采用积分求和方法,按茶叶个数相等原则将采摘区域按左右两矩形区分配给2个机械手。使用蚁群算法进行机械手的采摘路径规划。以总采摘区域的路径半程作为目标,分别进行了2区和将2区再划分为4区的采摘路径规划和优化。为避免采摘过程中2个机械手的干涉,将每个机械手采摘区域分为2区,并约束各运动路径左下角处茶叶为采摘起点。计算结果表明,使每个机械手按\"M\"型路线采摘,具有较好效果。改变自适应调节信息素浓度值和迭代终止条件,可改善基本蚁群算法搜索时间较长和易陷入局部最优的缺陷,并提高全局搜索能力和计算效率。仿真结果表明提出的采摘策略和规划路径可提高名优茶采摘效率。     

多式联运路径问题的一种混合算法

【目的】针对多式联运过程中运输路径和运输方式的优选问题,以运输成本最少为目标,建立了含运到时限约束和路径容量约束的组合优化模型.【方法】针对模型设计了双信息素蚁群-遗传混合算法进行求解,并引入最大最小蚂蚁策略、自适应灾变算子等操作,适时规避局部最优解,以提高算法优化能力.【结果】将混合算法求得的结果与单遗传算法、蚁群算法进行比较,混合算法较另两者的收敛稳定性平均提升15.534%和12.537%,且求得的20次最小费用平均值分别降低了3.18%和1.38%.【结论】采用上述方法探讨运到时限、容量约束以及货物运量对路径选择的影响,从而为多式联运经营人决策提供了参考.     

基于改进蚁群算法的农业运输车辆路径优化研究

针对农产品在运输过程中运输时间长易变质等问题,合理规划果蔬运输车辆的配送路径。在基本蚁群算法的基础上,提出适合求解路径规划的改进型算法,同时提出了自适应调整的方案,提高跳出局部优解的能力以及算法的全局收敛性。仿真试验结果验证了改进型算法的可行性和高效性,从而达到运输车辆路径优化的目的,为提高农产品的运输效率、降低成本、提高收益提供了理论依据。     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

基于自适应升温模拟退火算法的农业机器人全区域覆盖策略

目的 提出一种复杂农田环境下农业机器人全区域覆盖策略,以便合理规划农业机器人的工作遍历路径。方法 根据农田实际生产环境定义农业机器人复杂工作环境模型,并在此基础上建立一级分区与二级分区的概念。引入遗传算法变异操作的思想,建立基于贪婪机制的模拟退火算法优质可行解生成方法;建立解集多样性的概念,设计基于自适应升温的模拟退火算法改进方法,以此求解分区间的最佳遍历顺序问题。通过A*算法与八邻域搜索法相结合进行农业机器人跨区域衔接路径规划,依此,实现机器人覆盖全区域。结果 仿真结果表明,改进的模拟退火算法所规划的路径长度分别比传统遗传算法和模拟退火算法减少了14.7%和10.1%,收敛时的迭代次数分别减少9.8%和59.1%;农业机器人全区域覆盖仿真试验中遍历路径重复率为14.86%。高地隙喷药机器人现场遍历试验中,路径重复率为15.83%。结论 研究结果可为农业机器人在复杂农田环境中全遍历覆盖提供研究思路。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

基于改进蚁群算法的易腐农产品配送路径规划研究

为了使易腐生鲜类农产品在复杂交通环境能够快速找到最优移动路径,进行考虑包括时间、油耗、罚没成本等因素在内的多目标配送,从而对综合成本与新鲜度保障进行平衡,提出了在传统蚁群算法的基础上改进转移规则,并加入含时间启发因子的影响函数。通过算例仿真,证明了改进蚁群算法的有效性和合理性,其降低了复杂程度,优化了传统蚁群算法容易陷入局部最优的问题,提升了迭代运算的收敛速度,同时降低了配送的综合成本。     

基于分层模糊控制的机器人局部路径规划研究

论述了未知环境下移动机器人的局部路径规划.对模糊控制器,如果输入量较多导致模糊规则数目太大,则采用分层模糊控制器.详细介绍了分层模糊控制器的设计,包括输入输出变量的模糊化以及隶属函数的确定、模糊规则的设计、推理方法的设计以及解模糊化的方法,并给出了局部路径规划的仿真结果.仿真结果验证了分层模糊控制器采用较少的规则能够实时快速地规划出一条无碰撞路径.     

基于蚁群-BFS算法的复杂环境下农业机器人全区域覆盖研究

目的 以路径重复率为优化目标解决农业机器人在数字生态农场中的全区域覆盖问题。方法 首先,将栅格地图中的障碍物进行膨胀处理,在此基础上进行矩形分区以及分区合并操作;然后,通过改进的蚁群算法规划分区间的遍历顺序、通过改进的广度优先搜索(Breadth first search, BFS)算法规划分区间终点与起点的衔接路径,从而实现机器人全区域覆盖。2种算法的具体改进方案为：分别通过人工免疫算法与粒子群算法改进遗传算法的选择与交叉算子,并将改进后的选择算子、交叉算子、原遗传算法变异算子与蚁群算法相结合改进传统蚁群算法信息素更新方法;建立动态函数以简化BFS算法规划的路径。结果 仿真结果表明,改进蚁群算法收敛时的迭代次数较传统蚁群算法减少了83.1%,路径长度相比减少了4.8%;由改进的蚁群算法与改进的BFS算法规划的机器人遍历路径重复率是传统蚁群算法和BFS算法的56%,且农业机器人能实现对农田区域的100%覆盖。结论 本研究提供了一种农业机器人在复杂环境的数字生态循环农场中进行全遍历覆盖的解决方案。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

弹跳机器人的弹跳序列规划问题研究

传统轮动式与爬行式机器人难以直接越过大的障碍物或沟壑 ,野外行动能力有限 ,需要研制弹跳机器人。为了快速并顺利地越过障碍物 ,应根据自身获取的或用户输入的地形信息规划出弹跳动作序列。本文分析了弹跳机器人与连续移动式机器人路径规划方法的区别 ,总结出影响弹跳运动规划过程的几个因素。调整影响系数后 ,在简化地形的基础上实现了弹跳序列的启发式搜索算法。结果表明 ,通过适当调整参数 ,该算法可以得到安全高效的弹跳动作序列     

基于工作目标区图的大蒜播种机器人的路径规划

[目的]实现大蒜播种机器人作业效率和精确度最优化。[方法]基于工作目标区图的农业机器人导航跟踪原理设置大蒜播种机器人作业的路径规划,经试验验证其可行性。[结果]根据工作目标区图,给出大蒜播种机器人作业路径规划方程。采用由32位单片机控制的4轮机器人完成作业,选用激光待感器测距,采样周期为1 kHz/ms。经多次试验实测,证实机器人的0.4 m/s速度行驶,其最大横向偏差为0.038 m,说明其精度较高。[结论]该作业方案原始数据处理简洁、运算快,节约系统资源,跟踪速度快,精度高、种植效果好。     

基于优化蚁群算法在粮食运输车辆调度中的应用研究

为了有效地降低车辆在粮食运输中的成本,采用改进的蚁群算法对粮食物流配送路径进行优化。通过建立数学模型,提出改进的蚂蚁转移规则、优化信息素浓度、改进全局信息素更新策略。结果表明,改进的蚁群算法比基本蚁群算法可以更好地解决粮食运输车辆的路径问题,使得运输距离明显缩短。     

基于多目标PSO-ACO融合算法的无人艇路径规划

【目的】针对河蟹养殖过程中,水位变化以及无人艇路径规划算法收敛慢、精度低的问题,为提高算法适应性与寻优能力,提出一种多目标粒子群-蚁群融合的无人艇路径规划算法。【方法】首先,分析蟹塘环境及养殖规律等因素,建立静态水深栅格环境模型;其次,针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题,通过对惯性参数与学习因子的非线性调整,提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO);然后,调整蚁群算法的初始信息素,并对蚁群算法的信息素挥发因子和启发期望函数自适应改进,提出自适应优化蚁群算法(Ant colony optimization, ACO);最后,为解决单一算法寻优不足,利用融合PSO-ACO算法,实现无人艇多目标全局路径规划。【结果】仿真结果表明：不同环境投饵策略下,PSO-ACO算法在对多目标路径寻优时,不仅环境适应性好,而且提高了寻优效率和精度,运行时间节省了32%,路径距离缩短了9.78%,迭代次数降低了62.88%,拐点数目减少了44.45%。【结论】所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖,具有较好的应用价值。     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数．采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作．针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优．仿真结果表明：该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的．     

基于蚁群算法鲜活农产品配送路径优化研究

通过构建时间惩罚函数和变质函数建立了针对鲜活农产品配送路径优化模型。运用改进的最大最小蚂蚁算法来求解该问题。最后通过一个实例验证以上模型以及算法可以有效地优化鲜活农产品配送路线。     

基于鲜活农产品冷链物流配送的车辆路径优化研究

根据鲜活农产品易腐这个特殊性研究鲜活农产品在冷链物流中的配送管理问题,从鲜活农产品冷链物流配送商的角度出发,构建基于冷藏车能耗成本分析的冷链物流配送车辆路径优化模型,应用蚁群算法和MATLAB工具对算例进行求解和分析,结果表明构建基于冷藏车能耗成本分析的配送路径优化模型更适合冷链物流配送最优路径的选择.