基于矢量场的移动机器人路径规划算法研究

路径规划技术是移动机器人成功走向应用的关键技术,为了解决该问题,已经涌现出了诸多求解方法,但是已有算法不同程度都存在一定的局限性,尤其对未知工作环境,不少路径规划算法的复杂度会大大增加,甚至无法求解,因此本论文提出了矢量场法用于移动机器人的路径规划,该方法对环境依赖程度低,仿真结果验证了矢量场法能够有效的进行未知环境下的路径规划,并且算法简单,程序易于实现。     

动态环境下移动机器人路径规划研究

本论文主要任务是针对移动机器人技术领域中的动态环境下路径规划问题进行深入研究。在动态结构化环境中,通过设计不同的控制策略(算法),避开运动的障碍物,最终为移动机器人规划出一条从起始点到目标点的可行路径。然后基于MATLAB和VC++可视化编程语言,开发了基于遗传算法的机器人的路径规划仿真系统。并在动态环境下开展了移动机器人的仿真实验,分析了实验结果。     

基于MAS的物流运输路径动态规划

物流运输路径规划是物流规划活动中面临的一个重要问题。本文在分析物流运输路径规划问题的基础上，提出了在GIS环境中应用多Agent系统对物流货物运输路径进行动态规划的方法，及实现求解最短路径的算法。     

基于改进蚁群算法的机器人路径规划设计

蚁群算法是由于其良好的反馈信息、优秀的分布式计算和强鲁棒性等优点,在移动机器人的路径规划中受到了较多应用,同时该算法也存在着收敛速度较慢的问题。本文介绍了一种改进的蚁群算法,对于机器人移动环境进行建模分析,在原有蚁群算法的基础上,对于刺激概率和信息素的规则进行了优化调整。改进后算法提升了收敛速度,扩大了搜索区域,通过仿真的结果表明,改进算法具有更好的规划特性。     

基于改进蚁群算法的AGV路径研究

针对传统蚁群算法在复杂仓储环境中路径规划时不具备自主避障并且陷入局部最优解从而得不到最优路径的问题进行研究。文章通过构造MAKLINK无向网络图和优化蚁群算法中的启发函数,引入动态光滑因子和全局信息因子,达到控制AGV路径的长度和光滑程度,并构造避障因子使AGV路径在达到全局最优路径的同时拥有避开障碍的能力。通过研究,提出的改进算法可以实现自主避障,并且在最大迭代次数、路径距离和光滑程度方面优于传统蚁群算法。     

路径规划中电子地图的应用

在现代社会中电子地图被广泛应用于路径规划工作中,因为它不仅能够提提供路径规划的各项功能同时能够提供许多道路的辅助信息,设计出最优化的行车路线。但目前有关路径规划中电子地图的应用还未见详细研究。基于此,本文对路径规划中电子地图的应用进行探讨。     

基于蚁群算法的物流配送避障路径规划方法

针对物流配送路径规划问题,以可视图法所建的求解环境为基础,利用蚁群优化算法,提出了一种在障碍物环境下求任意两点间的最短路径方法,算法采用了优势个体指导机制,保证了最优解的搜索能力和解的全局收敛性。实验结果证明,该算法收敛快,可靠性高。与传统算法相比,该算法具有全局最优解方面的高效性,明显提高了路径搜索效率。     

离散制造系统环境下基于深度Q学习的AGV路径规划

针对传统深度Q学习算法在AGV路径规划问题容易过估计和收敛效果不好的问题，提出一种改进的双深度Q学习算法，通过引入优先经验回放机制和基于启发式信息的连续奖励函数，提高AGV智能体的有效训练，利用贪婪策略和玻尔兹曼策略结合的动作选择策略在与环境交互的训练中引导AGV智能体充分探索环境。仿真实验结果表明，所提出的算法能够规划出良好的AGV路径，而且在算法的稳定性和收敛速度上有所提升。     

机器人路径规划算法研究

在日常生活中机器人已经不是一个陌生的名词,家里经常见到的就有扫地机器人,还有目前可以送快递的快递机器人,到目前各个国家的研究人员对移动机器人的研究始终没有间断过。科研人员对机器人的研究中,很多方面都要细心考虑,如机器人的机械结构设计和通讯数据融合,其中最关键的是对所处场景的识别处理和做进一步判断,根据场景反馈的信息规划处下一个目标点的移动方向。机器人如何能躲开前方的障碍物可以从多个方面探讨,比如:所处环境信息的已知或未知,需要躲避的障碍物为静态或动态,每一次路径规划的要求也不一样,如要求路径最短或者是安全性最高。移动机器人躲避障碍物需要从很多方面入手,比如:所处环境各类障碍物的位置已知或者未知,障碍物是否会自己移动或者是静止的,可能对移动机器人对寻路需要每次也是不同的等等。     

自主式AGV的路径规划及导引

根据AGV工作环境已知、规范、易于描述的特点，提出了一种自主式的AGV的模式．该系统旨在提高AGV独立的能力，使其运行的可靠性和适应性有所增强．介绍了该系统的路径规划和制导两部分内容，即基于查表的路径规划方法是简易，可行的；基于“地图查询”的导引方法提高了系统适应工作环境的能力     

县域城乡一体化规划路径研究

城乡一体化规划是新时期城市与乡村发展的需要,也是《城乡规划法》的基本要求.通过多个规划项目的编制研究,探讨在城镇化与新农村建设聚焦的县域层次,城乡一体化规划的重点、规划路径与发展模式.     

无人快递机器人路径规划算法研究综述

为解决快递“最后一公里”问题,无人快递机器人逐渐成为研究热点,路径规划是无人快递机器人的难点之一。本文对无人快递机器人的路径规划算法进行研究,当下常用的路径规划算法分为基于几何模型算法、基于局部避障算法、智能仿生算法、基于深度学习算法4类,本文归纳各类算法前沿研究成果与应用,为研究无人快递机器人的学者提供参考。     

随机需求下连锁零售企业的LIRP问题集成优化

在一个二级物流配送系统中，针对多个备选点、多个需求点的LIRP问题，以连锁零售企业H公司为例，考虑到门店分散和需求随机性的影响，建立随机需求下以总成本最小为目标的双层规划模型，通过上层规划（F）和下层规划（U）之间的关联和约束，将选址、库存和车辆路径三者进行了有效集成。通过MATLAB软件编程，第Ⅰ阶段运用免疫遗传算法和蚁群算法实现对双层规划模型的求解，第Ⅱ阶段对第Ⅰ阶段产生的初始解进行优化，以得出全局最优解，并对优化效果进行了分析。     

基于Multi-Agent的露天矿山无人运输系统的研究

针对露天矿山无人化作业的业务需求,提出一种基于多智能体的露天矿山无人运输系统.分析了该系统构架下各agent应具备的功能,并概要描述了矿山无人运输的作业流程.其中:感知agent实现矿区环境下多目标识别;路径规划agent实现全局与局部路径寻优;控制agent实现无人矿车精准的横向与纵向控制;调度agent实现运输总运...     

浅析基于三步法的仿人机器人步态规划及仿真

引言 自仿人机器人问世以来．运动规划一直是仿人机器人研究的一个重要方面。经过几十年的发展，出现了多种运动规划方法．归结起来可以分成三类：基本的步态规划方法：考虑最优函数的步态规划方法：路径规划或者实时规划方法。目前第三种方法还处于萌芽状态，前两种规划方法的代表有如下4种：     

基于改进蚁群算法的动态航路规划研究

文章通过研究目前危险天气对航路航线的影响,在分析最优航线选取的基础上,细化航路航线的选取方向,定义空域元胞尺寸和速度位置演化的规则,构造危险天气元胞自动机模型,在此基础上,利用改进蚁群算法进行最优路径规划。提出了基于空域元胞位置演化规则的动态局部航路规划方法。在建模环境下的仿真结果表明,基于此元胞自动机演化规则的方法,能够完成在动态环境下的最优路径选取的任务,并且在路径的长度上有较为明显的改善,快速高效的规划并选取出一条路径,并随环境的变化相应的改变,具有一定的稳定性和很强的适应能力。     

我国电价改革的路径依赖：理论与经验研究

在研究电价改革的过程中,路径依赖理论能较好地解释不同阶段下变迁的差异．文章通过对日本、美国电价改革路径的经验及借鉴,并在我国电价的历史考察的基础上发现,结构驱动的路径依赖与制度驱动的路径依赖在我国电价机制演进中都存在并发挥重要作用,文化驱动的路径依赖也是电力价格改革路径依赖的重要方面。     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B。设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量。最后通过求解车间多单元系统布置实例,验证模型和算法的有效性。     

路径依赖--公司治理锁定的成因分析

本文在简要回顾路径依赖理论的基础上，运用公司治理路径依赖模型：结构驱动路径依赖和制度驱动的路径依赖模型，揭示了公司治理演进过程中路径依赖的作用机理。并针对中国公司治理演进过程中的路径依赖进行了实证分析，阐明路径依赖是锁定我国公司治理低效率的主要原因。     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B.设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量.最后通过求解车间多单元系统布置实例,验证模型和算法的有效性.