基于PSO-SAS的联合侦察任务规划

针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题，提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素，在侦察阵位规划上，建立了阵位综合评估模型，并利用粒子群算法进行阵位寻优；在路线规划上，采用稀疏A*算法进行航迹规划，通过将机动性能、安全距离、路程等约束引入搜索过程，缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。     

A*寻路算法在游戏中的应用

寻路是游戏开发中非常重要的一个元素,如何高效地找到一条最短的路径,是游戏AI设计的基础之一,文章比较了A~*算法相对于普通的深度搜索及广度搜索在路径搜索上的优势,探讨了A~*算法的原理及实现以及如何在游戏中使用A~*算法实现路径探索。     

终端物流车辆综合调度管理研究

本文以A*算法和贪婪算法为基础,对车辆行驶路径规划和调度自动化问题进行了探讨,介绍了结合两种算法实现终端物流车辆综合调度管理的一种方法。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题，提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优；随后通过改进的灰狼优化算法先后两次求解遍历顺序，引导机器人规划搜索路径与排除隐患点路径；最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障，逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试，改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高，验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

应用于空间调制的低复杂度A*检测算法

针对A*检测算法复杂度仍然较高的问题，提出了一种将接收天线重排序的检测算法。在现有A*检测算法的基础上增加接收天线分层排序的处理过程，使A*检测算法中最先选择的节点所在的分支更有可能包含最优路径，更早地将不对的节点排除，大大减少树搜索时需要访问的节点数。所提算法能够获得近似最优的检测性能，同时，与最大似然检测算法相比复杂度降低了73%~89%。     

基于向量场的物流系统自动导航车(AGV)局部避障规划

在已知静态障碍物环境信息的情况下,为了改善物流系统中自动导航车的路径,采用改进势场法规划自动导航车路径,比智能方法更加方便、高效.改进的算法计算量少,容易满足实时性要求,在数学描述上比较简洁,产生的路径比较平滑且安全.改进的势场法在实际系统应用中提高了系统的操作效率及安全性.通过对典型操作实例的分析,验证了该方法的有效性,从而完善了自动导航车避障功能.     

融合反距离加权和矩阵填充的位置指纹库构建

为解决位置指纹定位在离线阶段构建位置指纹库时耗费的人力和时间成本较大，构建指纹库效率低和利用空间插值法构建的指纹库精度不高的问题，提出了一种融合反距离加权和矩阵填充的位置指纹库构建算法。该算法仅需人工采集定位区域内少量参考点的接收信号强度值用作信标点指纹信息，结合反距离加权算法特性计算出次信标点指纹信息，根据位置指纹库数据矩阵的低秩性，应用奇异值阈值矩阵填充算法构建出位置指纹数据库。仿真实验结果表明，所提算法有效降低了矩阵填充算法构建位置指纹库所需的人工和时间成本，构建出的位置指纹库定位性能优于反距离加权和克里金空间插值法，接近传统人工采集法，显著地提高了位置指纹库的构建效率。     

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法：一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。     

机器人路径规划算法探讨

机器人路径规划问题被定义为一个障碍的工作环境中找到一个适当的从起点到终点的运动路径,机器人在运动过程中能安全无碰撞,绕过所有的障碍。屏障环境的机器人无碰撞路径规划是一个重要的研究课题,智能机器人,由于障碍物空间机器人运动规划的高度复杂性,使得这个问题一直没有得到很好的解决。路径规划问题的基础上,机器人的工作环境模型可以分为2类,一个是基于模型的路径规划,经营环境的整体的信息是可预测的;另一种是基于传感器的路径规划,环境信息完全未知或部分未知。     

基于邻接表的最短路径算法讨论及C#语言实现

在地理信息系统中,最短路径问题更是其中的核心环节。现阶段比较主流的最短路径算法主要有Dijkstra算法,SPFA算法,A*算法,Bellman-Ford算法等等。目前,国内外对于最短路径算法的研究已经颇为成熟,最短路径问题已然不是新问题,但是大部分案例都是基于邻接矩阵的数据结构对整个网进行构造与计算的,而在各学术期刊与网上电子资源中,对于基于邻接表数据结构的算法则没有太多的讨论,旨在此方向上给出一个方法思路与C#语言的较为详细的编程步骤。