CN106970617B - 一种求解三目标机器人路径规划问题的方法 - Google Patents
一种求解三目标机器人路径规划问题的方法 Download PDFInfo
- Publication number
- CN106970617B CN106970617B CN201710220882.6A CN201710220882A CN106970617B CN 106970617 B CN106970617 B CN 106970617B CN 201710220882 A CN201710220882 A CN 201710220882A CN 106970617 B CN106970617 B CN 106970617B
- Authority
- CN
- China
- Prior art keywords
- solution
- path
- grid
- current
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 239000003016 pheromone Substances 0.000 claims description 21
- 241000257303 Hymenoptera Species 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 206010036590 Premature baby Diseases 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000002093 peripheral effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 9
- 230000004888 barrier function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种求解三目标机器人路径规划问题的方法,包括考虑机器人本身大小而寻找移动路径的方法,路径周边障碍栅格区域的判断方法和求解三目标机器人路径规划问题的算法。本发明由于考虑了机器人本身大小,防止机器人在狭窄路径与障碍栅格发生碰撞,具有更好的实用性,提出了一种依据当前路径的位置和大小来判断当前路径周边障碍栅格的方法,并只考虑当前路径周边的障碍栅格对路径安全性的影响,提高了算法的计算速度;针对三目标问题的特点以及蚁群算法容易陷入局部最优的缺点,构建了判断算法陷入早熟的机制,依据当前解和支配解的分布情况,在已找到的支配解附近做微小的扰动,帮助算法脱离局部最优,找到质量更优的解。
Description
技术领域
本发明涉及机器人路径规划技术领域,具体涉及一种求解三目标机器人路径规划问题的方法。
背景技术
目前,机器人路径规划问题除了寻求最短路径为单一目标的路径规划问题外,还会考虑机器人动作难度上的问题,即路径平滑度问题;路径的安全性问题,即机器人与其他物体的碰撞情况。现有技术在对问题建模时,将机器人看作一个质点,忽略了机器人本身的大小,但实际应用中,尤其在碰到较狭窄路径时,机器人本身的大小将会影响到机器人是否会与周边障碍物发生碰撞,从而影响最优路径的选择;在构造基于路径安全性的目标函数f3(x)时,要计算机器人在移动过程中当前路径与所有障碍栅格的最小距离,但实际应用中,距离某段路径较远处的障碍栅格对当前路径的安全性影响不大,因此,计算所有障碍栅格和当前路径的最小距离会额外增加计算的时间;在使用蚁群算法求解该问题时,搜索时间较长,容易陷入局部最优。
发明内容
本发明的目的是为解决上述不足,提供一种求解三目标机器人路径规划问题的方法。
本发明的目的是通过以下技术方案实现的:
一种求解三目标机器人路径规划问题的方法,方法如下:机器人在选择下一个栅格的过程中,除了要避开障碍栅格,还要避免与障碍栅格的碰撞,假定机器人为一半径为r的圆形质点,机器人从栅格0移动到栅格5的移动轨迹,如果考虑到机器人本身的大小,机器人从栅格0移动到栅格5会与障碍栅格2、3发生碰撞,因此,栅格5不能作为栅格0下一步移动的栅格,机器人从栅格0到栅格5移动的轨迹位于a、b、c、d所在区域,机器人在移动过程中需要先判断ad、bc、05三条线段是否会与障碍栅格区域发生相交,机器人需要保证在移动过程中不发生碰撞即要保证图中ad、bc、05三条线段都不都能与任何一个障碍栅格区域发生相交,线段ad、bc、05的数学公式如下:
假设x[i],y[i]表示出发点i的位置坐标(0号栅格)。i+1表示出发点可能移动的下一个点(5号栅格),r为机器人的半径;
线段ad公式如下:
其中:
线段bc公式如下:
其中:
线段05公式如下:
(y[i+1]-y[i])·x+(x[i]-x[i+1])·y+x[i+1]·y[i]-x[i]·y[i+1]=0
x∈[x[i],x[i+1]] y∈[y[i],y[i+1];
机器人选择下一个栅格移动的过程中,只要满足其移动路径不与障碍栅格发生碰撞的任意非障碍栅格都可作为备选栅格,机器人所在的每一段路径与该段路径附近障碍点的距离直接决定该路径的安全性,以路径中相邻两个栅格的中点(即每一段路径的中点)为原点,半径为R的圆作为该段路径的附近区域(R=distij/2+r,distij表示该段路径的长度,r为机器人的半径),如果在该区域内不存在障碍栅格,则表明该段路径安全性最佳,安全距离safedist可设置为一个较大的数,如果在该区域存在一个或多个障碍栅格,则计算各障碍栅格中心点到该段路径的距离,选取其中最小的值(如果只有一个障碍栅格,最小值即为该障碍栅格中心点到该段路径的距离),并将该值设置为安全距离safedist。
一种求解三目标机器人路径规划问题的方法,具体算法如下:
(1)初始化:初始化参数α、β、γ,Q,初始化启发信息矩阵η,dk,l表示栅格k和栅格l之间的距离;
初始化信息素矩阵τ,该矩阵中各元素初始值为1,构造外部档案集E,E初始时内部没有任何解,档案集大小为M,迭代最大次数Nmax,当前迭代次数N=0;
(2)构建解:N=N+1,蚂蚁在搜索过程中,会根据小组信息素τ、蚂蚁的启发信息η,蚂蚁访问该栅格的次数V(Vl表示蚂蚁访问l点的次数,Vl越大,表示l栅格作为下个目标点的概率越小,目的是指导蚂蚁优先寻找新的路径以避免陷入局部最优)来计算状态转移概率,pk,l表示蚂蚁从栅格k转移到栅格l的转移概率;
allowed表示蚂蚁i下一步允许选择的所有栅格的集合,允许选择的栅格为不与蚂蚁当前路径发生碰撞的所有非障碍栅格的集合;
根据该状态转移概率,蚂蚁构建新的解,如果该解被档案集中的解支配,则该解不能进入档案集,把表示当前解没有进入档案集次数的参数T(初值为0)加1,转步骤4);如果档案集E中的解的个数小于N,同时该解没有被档案集中的解支配,将该解放入档案集E,T=0,转步骤3);如果档案集E中的解的个数等于N,且该解没有被档案集中的解支配,转步骤5);
(3)更新信息素
(4)判断T是否大于常数Tmax(Tmax为预先设定好的值),如果T>Tmax,则说明算法多次计算没有找到支配解,算法陷入早熟和局部最优,计算档案集中各支配解个体之间的D(i)值,D(i)用于衡量archives(档案集)中解的分布情况;
K=|archives|/2
表示解i到archives中第k个邻近个体(中心个体)之间的距离,需要计算个体i到archives中所有个体之间的距离,并按照増序排列,第k个个体为中心个体,D(i)值越小,意味着该个体分布在相对分散的区域,选取archives中D(i)值最小的支配解,按照(3)中公式,依据该支配解路径调整信息素,算法会在解集分散的区域做局部搜索,防止算法陷入局部最优,保证了解的均匀分布,如果T<Tmax,转步骤3),依据当前解信息调整信息素。
(5)计算current solution(档案集中解和当前解的并集)中各解的D(i)值;
K=|current solution|/2
删除掉D(i)值最大的那个解,如果删除的解不是当前解,则转步骤3),依据当前解的信息调整信息素,如果删除的解是当前解,转步骤3),依据current solution中D(i)值最小的支配解路径调整信息素。
判断线段是否与障碍栅格区域发生相交的方法为:
(2)求该直线与任一障碍栅格的四条边所在的直线的交点;如果没有交点,则该路径不经过该障碍栅格;如果有交点,转步骤3);
(3)如果该交点位于点(xi,yi)到(xj,yj)的线段上,同时该交点也位于该障碍栅格的四条边上,则栅格i到栅格j的路径经过该障碍栅格。
本发明具有如下有益的效果:
1)本发明由于考虑了机器人本身大小,防止机器人在狭窄路径与障碍栅格发生碰撞,具有更好的实用性;
2)本发明提出了一种依据当前路径的位置和大小来判断当前路径周边障碍栅格的方法,并只考虑当前路径周边的障碍栅格对路径安全性的影响,提高了算法的计算速度;
3)本发明针对三目标问题的特点以及蚁群算法容易陷入局部最优的缺点,构建了判断算法陷入早熟的机制,依据当前解和支配解的分布情况,在已找到的支配解附近做微小的扰动,帮助算法脱离局部最优,找到质量更优的解。
附图说明
图1为本发明的机器人与障碍物的碰撞情况示意图;
图2为本发明的路径0-1附近无障碍栅格示意图;
图3为本发明的路径2-46附近的障碍栅格示意图;
具体实施方式
下面结合附图对本发明作进一步的说明:
如图1所示,一种求解三目标机器人路径规划问题的方法,方法如下:机器人在选择下一个栅格的过程中,除了要避开障碍栅格,还要避免与障碍栅格的碰撞,假定机器人为一半径为r的圆形质点,机器人从栅格0移动到栅格5的移动轨迹,如果考虑到机器人本身的大小,机器人从栅格0移动到栅格5会与障碍栅格2、3发生碰撞,因此,栅格5不能作为栅格0下一步移动的栅格,机器人从栅格0到栅格5移动的轨迹位于a、b、c、d所在区域,机器人在移动过程中需要先判断ad、bc、05三条线段是否会与障碍栅格区域发生相交,机器人需要保证在移动过程中不发生碰撞即要保证图中ad、bc、05三条线段都不都能与任何一个障碍栅格区域发生相交,线段ad、bc、05的数学公式如下:
假设x[i],y[i]表示出发点i的位置坐标(0号栅格)。i+1表示出发点可能移动的下一个点(5号栅格),r为机器人的半径;
线段ad公式如下:
其中:
线段bc公式如下:
其中:
线段05公式如下:
(y[i+1]-y[i])·x+(x[i]-x[i+1])·y+x[i+1]·y[i]-x[i]·y[i+1]=0
x∈[x[i],x[i+1]] y∈[y[i],y[i+1];
如图2和图3所示,机器人选择下一个栅格移动的过程中,只要满足其移动路径不与障碍栅格发生碰撞的任意非障碍栅格都可作为备选栅格,机器人所在的每一段路径与该段路径附近障碍点的距离直接决定该路径的安全性,以路径中相邻两个栅格的中点(即每一段路径的中点)为原点,半径为R的圆作为该段路径的附近区域(R=distij/2+r,distij表示该段路径的长度,r为机器人的半径),如果在该区域内不存在障碍栅格,则表明该段路径安全性最佳,安全距离safedist可设置为一个较大的数,如图2所示,路径0-1周边无障碍栅格。如果在该区域存在一个或多个障碍栅格,则计算各障碍栅格中心点到该段路径的距离,选取其中最小的值(如果只有一个障碍栅格,最小值即为该障碍栅格中心点到该段路径的距离),并将该值设置为安全距离safedist,如图3所示,路径2-46附近的障碍栅格为栅格11,27,32,42,56。
一种求解三目标机器人路径规划问题的方法,具体算法如下:
(1)初始化:初始化参数α、β、γ,Q,初始化启发信息矩阵η,dk,l表示栅格k和栅格l之间的距离;
初始化信息素矩阵τ,该矩阵中各元素初始值为1,构造外部档案集E,E初始时内部没有任何解,档案集大小为M,迭代最大次数Nmax,当前迭代次数N=0;
(2)构建解:N=N+1,蚂蚁在搜索过程中,会根据小组信息素τ、蚂蚁的启发信息η,蚂蚁访问该栅格的次数V(Vl表示蚂蚁访问l点的次数,Vl越大,表示l栅格作为下个目标点的概率越小,目的是指导蚂蚁优先寻找新的路径以避免陷入局部最优)来计算状态转移概率,pk,l表示蚂蚁从栅格k转移到栅格l的转移概率;
allowed表示蚂蚁i下一步允许选择的所有栅格的集合,允许选择的栅格为不与蚂蚁当前路径发生碰撞的所有非障碍栅格的集合;
根据该状态转移概率,蚂蚁构建新的解,如果该解被档案集中的解支配,则该解不能进入档案集,把表示当前解没有进入档案集次数的参数T(初值为0)加1,转步骤4);如果档案集E中的解的个数小于N,同时该解没有被档案集中的解支配,将该解放入档案集E,T=0,转步骤3);如果档案集E中的解的个数等于N,且该解没有被档案集中的解支配,转步骤5);
(3)更新信息素
(4)判断T是否大于常数Tmax(Tmax为预先设定好的值),如果T>Tmax,则说明算法多次计算没有找到支配解,算法陷入早熟和局部最优,计算档案集中各支配解个体之间的D(i)值,D(i)用于衡量archives(档案集)中解的分布情况;
K=|archives|/2
表示解i到archives中第k个邻近个体(中心个体)之间的距离,需要计算个体i到archives中所有个体之间的距离,并按照増序排列,第k个个体为中心个体,D(i)值越小,意味着该个体分布在相对分散的区域,选取archives中D(i)值最小的支配解,按照(3)中公式,依据该支配解路径调整信息素,算法会在解集分散的区域做局部搜索,防止算法陷入局部最优,保证了解的均匀分布,如果T<Tmax,转步骤3),依据当前解信息调整信息素。
(5)计算current solution(档案集中解和当前解的并集)中各解的D(i)值;
K=|current solution|/2
删除掉D(i)值最大的那个解,如果删除的解不是当前解,则转步骤3),依据当前解的信息调整信息素,如果删除的解是当前解,转步骤3),依据current solution中D(i)值最小的支配解路径调整信息素。
判断线段是否与障碍栅格区域发生相交的方法为:
(2)求该直线与任一障碍栅格的四条边所在的直线的交点;如果没有交点,则该路径不经过该障碍栅格;如果有交点,转步骤3);
(3)如果该交点位于点(xi,yi)到(xj,yj)的线段上,同时该交点也位于该障碍栅格的四条边上,则栅格i到栅格j的路径经过该障碍栅格。
Claims (1)
1.一种求解三目标机器人路径规划问题的方法,其特征在于:具体算法如下:
(1)初始化:初始化参数α、β、γ,Q,初始化启发信息矩阵η,dk,l表示栅格k和栅格l之间的距离;
初始化信息素矩阵τ,该矩阵中各元素初始值为l,构造外部档案集E,E初始时内部没有任何解,档案集大小为M,迭代最大次数Nmax,当前迭代次数N=0;
(2)构建解:N=N+1,蚂蚁在搜索过程中,会根据小组信息素τ、蚂蚁的启发信息η,蚂蚁访问该栅格的次数V来计算状态转移概率,pk,l表示蚂蚁从栅格k转移到栅格l的转移概率;
VI表示蚂蚁访问l点的次数,VI越大,表示l栅格作为下个目标点的概率越小,目的是指导蚂蚁优先寻找新的路径以避免陷入局部最优;allowed表示蚂蚁i下一步允许选择的所有栅格的集合,允许选择的栅格为不与蚂蚁当前路径发生碰撞的所有非障碍栅格的集合;
根据该状态转移概率,蚂蚁构建新的解,如果该解被档案集E中的解支配,则该解不能进入档案集,把表示当前解没有进入档案集次数的参数T加1,其中,T的初值为0,转步骤4);如果档案集E中的解的个数小于N,同时该解没有被档案集中的解支配,将该解放入档案集E,T=0,转步骤3);如果档案集E中的解的个数等于N,且该解没有被档案集中的解支配,转步骤5);
(3)更新信息素
(4)判断T是否大于常数Tmax,其中,Tmax为预先设定好的值,如果T>Tmax,则说明算法多次计算没有找到支配解,算法陷入早熟和局部最优,计算档案集中各支配解个体之间的D(i)值,D(i)用于衡量档案集archives中解的分布情况;
K=|archives|/2
表示解i到archives中第k个邻近个体之间的距离,需要计算个体i到archives中所有个体之间的距离,并按照増序排列,第k个个体为中心个体,D(i)值越小,意味着该个体分布在相对分散的区域,选取archives中D(i)值最小的支配解,按照(3)中公式,依据该支配解路径调整信息素,算法会在解集分散的区域做局部搜索,防止算法陷入局部最优,保证了解的均匀分布,如果T<Tmax,转步骤3),依据当前解信息调整信息素;
(5)计算档案集中解和当前解的并集current solution中各解的D(i)值;
K=|currentsolution|/2
删除掉D(i)值最大的那个解,如果删除的解不是当前解,则转步骤3),依据当前解的信息调整信息素,如果删除的解是当前解,转步骤3),依据current solution中D(i)值最小的支配解路径调整信息素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710220882.6A CN106970617B (zh) | 2017-04-06 | 2017-04-06 | 一种求解三目标机器人路径规划问题的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710220882.6A CN106970617B (zh) | 2017-04-06 | 2017-04-06 | 一种求解三目标机器人路径规划问题的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106970617A CN106970617A (zh) | 2017-07-21 |
CN106970617B true CN106970617B (zh) | 2020-04-10 |
Family
ID=59337338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710220882.6A Expired - Fee Related CN106970617B (zh) | 2017-04-06 | 2017-04-06 | 一种求解三目标机器人路径规划问题的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106970617B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141441B (zh) * | 2018-07-19 | 2020-12-08 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN109708637B (zh) * | 2018-10-17 | 2022-09-30 | 深圳市科卫泰实业发展有限公司 | 一种基于牵引机器人的自动导航方法及牵引机器人 |
CN110986981B (zh) * | 2019-12-02 | 2021-12-07 | 浙江工业大学 | 面向多机器人路径规划的增设路径障碍方法 |
CN110986989A (zh) * | 2019-12-24 | 2020-04-10 | 广东嘉腾机器人自动化有限公司 | 混合车型路径规划方法和相关装置 |
CN111561934A (zh) * | 2020-06-24 | 2020-08-21 | 平湖市中地测绘规划有限公司 | 基于无人机的地质勘探规划方法 |
CN112799404B (zh) * | 2021-01-05 | 2024-01-16 | 佛山科学技术学院 | Agv的全局路径规划方法、装置及计算机可读存储介质 |
CN112965490A (zh) * | 2021-02-07 | 2021-06-15 | 京东数科海益信息科技有限公司 | 控制机器人的方法、装置及非瞬时性计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN103472828A (zh) * | 2013-09-13 | 2013-12-25 | 桂林电子科技大学 | 基于改进蚁群粒子群算法的移动机器人路径规划方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4408982C1 (de) * | 1994-03-16 | 1995-05-18 | Deutsche Forsch Luft Raumfahrt | Autonomes Navigationssystem für einen mobilen Roboter oder Manipulator |
US7079943B2 (en) * | 2003-10-07 | 2006-07-18 | Deere & Company | Point-to-point path planning |
CN103926925B (zh) * | 2014-04-22 | 2015-04-29 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
CN106708054B (zh) * | 2017-01-24 | 2019-12-13 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN106708059B (zh) * | 2017-01-24 | 2020-01-17 | 厦门万久科技股份有限公司 | 一种基于通道选择的移动机器人实时运动规划方法 |
CN106843223B (zh) * | 2017-03-10 | 2020-05-05 | 武汉理工大学 | 一种智能化避障agv小车系统及避障方法 |
-
2017
- 2017-04-06 CN CN201710220882.6A patent/CN106970617B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN103472828A (zh) * | 2013-09-13 | 2013-12-25 | 桂林电子科技大学 | 基于改进蚁群粒子群算法的移动机器人路径规划方法 |
Non-Patent Citations (3)
Title |
---|
一种基于分解的、改进的多目标蚁群算法及其应用;李娅,秦忆;《科学技术与工程》;20160430;第16卷(第12期);第89-96页 * |
基于混沌扰动和邻域交换的蚁群算法求解车辆路径问题;李娅,王东;《计算机应用》;20120201;第32卷(第2期);第444-447页 * |
多策略优化的蚁群算法求解带时间窗车辆路径问题;李娅,王东;《计算机与数字工程》;20131231;第41卷(第4期);第512-515页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106970617A (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106970617B (zh) | 一种求解三目标机器人路径规划问题的方法 | |
CN108241375B (zh) | 一种自适应蚁群算法在移动机器人路径规划中的应用方法 | |
CN107272679B (zh) | 基于改进的蚁群算法的路径规划方法 | |
CN109116841B (zh) | 一种基于蚁群算法的路径规划平滑优化方法 | |
CN107277830B (zh) | 一种基于粒子群优化和变异算子的无线传感器网络节点部署方法 | |
WO2021042827A1 (zh) | 多agv的路径规划方法及系统 | |
CN103901892B (zh) | 无人机的控制方法及系统 | |
KR20210136023A (ko) | 농약 살포 제어 방법, 기기 및 저장 매체 | |
WO2018176595A1 (zh) | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 | |
Perez-Carabaza et al. | A real world multi-UAV evolutionary planner for minimum time target detection | |
CN109269516B (zh) | 一种基于多目标Sarsa学习的动态路径诱导方法 | |
Bai et al. | Adversarial examples construction towards white-box Q table variation in DQN pathfinding training | |
CN111611749A (zh) | 基于rnn的室内人群疏散自动引导仿真方法及系统 | |
CN109068278B (zh) | 室内避障方法、装置、计算机设备及存储介质 | |
CN114625150B (zh) | 基于危险系数和距离函数的快速蚁群无人艇动态避障方法 | |
Geng et al. | UAV surveillance mission planning with gimbaled sensors | |
CN113552899B (zh) | 一种通信链路受限下的多无人机自主协同搜索方法 | |
LU102942B1 (en) | Path planning method based on improved a* algorithm in off-road environment | |
CN109947129A (zh) | 基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法 | |
CN115560774A (zh) | 一种面向动态环境的移动机器人路径规划方法 | |
CN112415997A (zh) | 一种用于多机器人协作的路径规划方法及系统 | |
Cartee et al. | Control-theoretic models of environmental crime | |
Hasan et al. | Multi-robot path planning based on max–min ant colony optimization and D* algorithms in a dynamic environment | |
CN115686057A (zh) | 一种基于鲸鱼优化算法的多无人机路径规划方法 | |
Qi | Application of improved discrete particle swarm optimization in logistics distribution routing problem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200410 Termination date: 20210406 |
|
CF01 | Termination of patent right due to non-payment of annual fee |