搜索结果: 1-15 共查到“控制科学与技术 机器人路径规划”相关记录42条 . 查询时间(0.124 秒)
基于讨价还价博弈机制的B-IHCA* 多机器人路径规划算法
多机器人 路径规划 讨价还价博弈 解耦/协作
2024/1/16
针对密集场景中大规模冲突导致多机器人路径规划(Multi-agent path finding,MAPF)成功率低的问题,引入讨价还价博弈机制并以层级协作A*(Hierarchical cooperative A*,HCA*)算法为内核,提出一种基于讨价还价博弈机制的改进层级协作A*(Bargaining game based improving HCA*,B-IHCA*)算法.首先,在HCA*算...
为更好地解决移动机器人路径规划问题,改进蝙蝠算法的寻优性能,拓展其应用领域,提出了一种具有反向学习和正切随机探索机制的蝙蝠算法.在全局搜索阶段的位置更新中引入动态扰动系数,提高算法全局搜索能力;在局部搜索阶段,融入正切随机探索机制,增强算法局部寻优的策略性,避免算法陷入局部极值.同时,加入反向学习选择策略,进一步平衡蝙蝠种群多样性和算法局部开采能力,提高算法的收敛精度。
模糊控制在移动机器人路径规划中的应用
移动机器人 超声波传感器 模糊控制
2009/12/3
针对移动机器人最优路径规划问题，设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测，得到关于障碍物和目标的信息。通过设计模糊控制器，把得到的障碍与目标位置信息模糊化，建立模糊规则并解模糊最终使机器人可以很好地避障，并且解决了模糊算法存在的死锁问题，从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法，具有有效性和可行性。
新的融合算法在机器人路径规划中的应用
路径规划 蚁群算法 粒子群算法
2009/10/10
机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法，该方法有效地结合了蚁群算法和粒子群算法的优点，利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布；然后利用蚁群算法的并行性、正反馈性、求解精度高等优点，求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。
基于遗传算法的移动机器人路径规划
路径规划 移动机器人 遗传算法
2009/8/6
采用动态可变长编码的方法，以栅格表示环境。针对遗传算法大型障碍物难的问题，采用follow wall行为，较好地解决了基于遗传算法的快速路径规划和大型障碍物避障问题。该算法适应任何形状的障碍物，适用于静态和动态环境中。计算机仿真表明，该算法是一种正确和高效的路径规划方法。
基于LPN-DE与适应度拍卖的多机器人路径规划
LPN-DE 适应度 组合拍卖
2009/8/4
在RoboCup环境下,针对多机器人的路径规划和任务分配,将LPN-DE方法和组合拍卖法有效结合,综合考虑多机器人的避障、路径规划和角色分配，提出了完整的实现方法和动态模型，并在RoboCup中型组机器人上验证了该方法的实用性和有效性。
以滚动优化策略的粒子群算法为基础的机器人路径规划研究
滚动优化策略 滚动窗口 粒子群算法
2009/8/4
介绍了一种基于滚动优化策略的粒子群算法的机器人路径规划，在每一个滚动窗口中，应用粒子群算法进行局部路径规划，寻求一条最优路径。仿真实验证明了该方法的可用性和有效性。
基于优化蚁群算法的机器人路径规划
优化蚁群算法 GAA算法 路径规划
2009/7/30
研究机器人导航中的路径规划问题，运用栅格法和图论思想建立环境模型，在该模型中通过蚁群算法进行路径寻优，提出用遗传算法的思想改进已有蚁群算法，即GAA算法。仿真实验结果表明，该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。
提高移动机器人路径规划效率的方法
路径规划 粗糙集 遗传算法
2009/7/29
针对传统遗传算法存在的初始种群数目庞大，寻优效率和收敛速度慢的缺点，提出了一种基于粗糙集约简决策规则和删除冗余属性的方法。首先建立基于特定栅格法的环境模型，获得机器人路径规划的初始决策表，然后根据粗糙集约简推导最小化决策规则，并用于训练初始种群。最后利用遗传算法优化初始种群，获得最优规划路径。分别在简单和复杂的环境模型下进行了实验，仿真结果表明该方法能够大大减小遗传算法初始种群的规模，缩小算法搜索...
多模态控制在机器人路径规划中的应用
路径规划 PID 多模态
2009/7/23
路径规划作为机器人基本动作实现的基础，其优劣将直接影响动作的实时性和准确性。经典PID控制虽然能准确跟踪目标，但缺乏轨迹优化能力，提出应用多模态控制方法，通过不同的感知驱动相应运动控制，以静态目标导航和动态目标导航为例详细介绍了多模态控制设计方法，并以上海交大的中型机器人Frontier-I为例，通过实验与PID进行比较，验证了方法的有效性。
基于人工鱼群算法的机器人路径规划
最优路径 路径规划 机器人
2009/7/16
首先采用链接图建立机器人工作空间模型，用Dijkstra算法求得链接图最短路径；然后使用人工鱼群算法对此路径进行优化，最终得到全局最优路径。以一个路径为例，进行了实际编程计算，结果表明，基于人工鱼群算法的机器人路径规划方法，具有较快的收敛性和较高的计算精度。
基于自组织LMBPNN的移动机器人路径规划器
自组织LMBP网络 免碰路径规划 移动机器人
2009/7/2
提出一种自组织LMBP神经网络，并将之用于移动机器人免碰路径规划。该算法首先用基于距离传感器的底层局部路径规划器生成初始路径，然后用自组织神经网络将该路径进行样本数据分类，之后将自组织神经网络的权值作为LMBP的输出样本，移动机器人的起始点与目标点作为LMBP神经网络的输入样本进行学习。这样，不但解决了三层LMBP样本若庞大则增加存贮、运行成本，以及数据冗余问题，并且随着机器人对未知环境探索的增多...
动态环境中基于改进粒子群的机器人路径规划
改进粒子群 模糊建模 路径规划
2009/6/16
提出一种模糊隶属度函数对动态环境中机器人的运动状况进行建模，该建模方法不会无谓地牺牲机器人的可运动空间，可尽量减少机器人路径规划的约束强度；同时提出通过调整位置加权趋向无约束最优解的算子改进粒子群算法，提高算法的寻优速度。仿真结果表明，通过两者结合，可快速获得动态环境中的优化路径。
机器人路径规划中的双向Dijkstra二叉树算法
机器人路径规划 最短路径 双向Dijkstra
2009/4/29
在分析现有路径规划和碰撞检测方法的基础上，提出了一种新的机器人路径规划方法：双向Dijkstra二叉树算法。在机器人路径规划中应用传统的Dijkstra算法时间复杂度是O(n¬¬¬¬2)，应用该文提出的算法进行路径规划的时间复杂度为O(nlog2n)。通过一些数据的检测，验证了在机器人路径规划中，尤其是在测试数据较多的情况下，该算法可以有效提高效率。