CN107894766B - 用于室内装修机器人的路径规划方法 - Google Patents

用于室内装修机器人的路径规划方法 Download PDF

Info

Publication number
CN107894766B
CN107894766B CN201710978094.3A CN201710978094A CN107894766B CN 107894766 B CN107894766 B CN 107894766B CN 201710978094 A CN201710978094 A CN 201710978094A CN 107894766 B CN107894766 B CN 107894766B
Authority
CN
China
Prior art keywords
points
working
area
path
point
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
Application number
CN201710978094.3A
Other languages
English (en)
Other versions
CN107894766A (zh
Inventor
姜欣
杜宇峰
陈腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN201710978094.3A priority Critical patent/CN107894766B/zh
Publication of CN107894766A publication Critical patent/CN107894766A/zh
Application granted granted Critical
Publication of CN107894766B publication Critical patent/CN107894766B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria

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)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供了一种用于室内装修机器人的路径规划方法，包括以下步骤：S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。本发明的有益效果是：通过减少工作点的数量来减少机器人的调整时间，提高机器人工作效率。

Description

用于室内装修机器人的路径规划方法
技术领域
本发明涉及路径规划方法，尤其涉及一种用于室内装修机器人的路径规划方法。
背景技术
在传统的室内装修中，各种工序靠工人完成。在某些装修工艺如墙面打磨、面漆喷涂，如果靠人工来工作，则会大大的损耗工人的健康，并且，由于人口老龄化的加剧，使技术人口缺失。因此通过机器人的实现装修工艺将会是必然的趋势。在装修机器人的墙面处理过程中，有一项关键技术就是机器人的路径规划。机器人在进行墙面处理工作中需要进行工作位置的调整。在处理整个墙面的过程中，如果没有合理的工作路径规划就会增加工作时间，降低工作效率。因此，在机器人工作中就面临以下问题：如图1所示，在尺寸固定的墙面上，如何提高机器人工作效率。
发明内容
为了解决现有技术中的问题，本发明提供了一种用于室内装修机器人的路径规划方法。
本发明提供了一种用于室内装修机器人的路径规划方法，包括以下步骤：
S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；
S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划。
作为本发明的进一步改进，步骤S1包括：将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，每个工作点的工作区域近似为一个圆形区域，将覆盖集合中的冗余工作点完全去除。
作为本发明的进一步改进，以离散点为依据来判断冗余工作点，包括以下步骤：
A、将工作点的工作区域内部均匀分布密集点，形成密集点阵；
B、若由点pi生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除；
C、密集点阵生成规则：在圆内以圆心为生成点，在圆内等间隔分布各个点。
作为本发明的进一步改进，步骤S1中空白墙面的最小覆盖集算法为：
输入：矩形目标区域，机器人工作半径r1，
网格尺寸集合Sg＝{l1,l2,...,ln}；
输出：工作区域的最小覆盖集；
S11、构造目标区域；
S12、以网格尺寸li为变量进行目标区域离散化，用圆对工作区域进行完全覆盖，进行网格空间建立；
S13、构造圆形离散点阵；
S14、顺序搜索，对所有工作点进行搜索，判断冗余工作点；
S15、删除冗余工作点；
S16、重复步骤S14至S15直到工作点集无冗余工作点，得到相对于网格尺寸li的最小覆盖集Sfi；
S17、重复步骤S12至S16步，得到关于不同网格尺寸的所有最小覆盖集Sf＝{Sf1,Sf2,...Sfn}，从中选出最优覆盖集SB＝min{Sf}。
作为本发明的进一步改进，步骤S1中具有障碍的墙面区域的最小覆盖集算法为：
定义障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件，将点阵中不属于目标区域的点去掉，其算法与空白墙面相同。
作为本发明的进一步改进，步骤S2包括以下子步骤：
(1)、将已经得到最优覆盖集SB进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即
Figure GDA0002596157180000021
其中
Figure GDA0002596157180000022
其中，
Figure GDA0002596157180000023
为x值均为xk的点的集合；
(2)、简化算法，标记各个工作区，建立新的距离矩阵D＝[dij]w×w，w为工作区的数量，dij表示工作区i与j之间的距离，各个工作区的位置用特征点
Figure GDA0002596157180000024
表示：
Figure GDA0002596157180000025
其中
Figure GDA0002596157180000026
为工作区
Figure GDA0002596157180000027
的中点；
(3)、构造端点集合
Figure GDA0002596157180000031
其中
Figure GDA0002596157180000032
为第k个工作区的两个端点；
(4)、通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最优覆盖集中的所有点的路径。
作为本发明的进一步改进，步骤S2包括以下子步骤：
输入：最优覆盖集SB；
输出：优化路径；
S21、对最优覆盖集进行分类
Figure GDA0002596157180000033
构造特征点集合
Figure GDA0002596157180000034
S22、构造端点集合
Figure GDA0002596157180000035
S23、建立距离矩阵D；
S24、建立初始族群；
S25、交叉操作；
S26、变异操作；
S27、得到关于特征点最优路径序列X'；
S28、将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；
S29、按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连；将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；
S210、将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集Sf中所有点的完整路径Xb，其中
Figure GDA0002596157180000036
本发明的有益效果是：通过减少工作点的数量来减少机器人的调整时间，提高机器人工作效率。
附图说明
图1是机器人工作区域示意图。
图2是本发明一种用于室内装修机器人的路径规划方法的机器人示意图。
图3是本发明一种用于室内装修机器人的路径规划方法的工作点的工作区域示意图。
图4是本发明一种用于室内装修机器人的路径规划方法的用于复杂区域的最小覆盖区域求解示意图。
图5是本发明一种用于室内装修机器人的路径规划方法的用于复杂区域的基于遗传算法的路径规划图。
具体实施方式
下面结合附图说明及具体实施方式对本发明进一步说明。
如图2至图5，一种用于室内装修机器人的路径规划方法，包括：
(一)最小覆盖点集算法设计
(1)目标区域：装修机器人计划工作的目标墙面区域；
(2)工作半径r：机械臂在墙面上的有效工作半径；
(3)工作点：机器人机械臂基座停留位置，即机器人工作半径中心；
(4)工作点集：在矩形区域工作点所构成的点集合；
(5)邻居工作点集：距离工作点的距离为2r的工作点集合；
(6)覆盖集合：可以将目标区域完全覆盖的工作点集合；
(7)冗余工作点：去除此工作点，并不会影响对整体工作区域的覆盖；
(8)目标区域离散化：将目标区域分割为边长值为一定大小的。
方形网格，在每个网格中心部署工作点以构成具有多个冗余点的覆盖集。离散化的点集建立可以使算法针对不同的网格大小，筛选出最优解。
将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，机器人每个工作点的工作区域近似为一个半径r＝0.6m的圆形区域，将覆盖集合中的冗余工作完全去除，并且尽可能的减少工作点的数量即可。为快速的精准的去除冗余工作点，本发明提出以离散点为依据来判断冗余点的方法：
(1)将工作点工作区域内部均匀分布密集点，形成密集点阵，如图3所示。
(2)若由点pi生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除。
(3)密集点阵生成规则：如图3所示，在圆内以圆心为生成点，在圆内等间隔分布各个点。为防止判断过程中忽略边缘点，造成判断错误，本文在圆周上也均布有密集点。当密集点的密度很大的时，可以将误差降低，增加算法的正确性。
算法逻辑如下：
本发明根据空白墙面与具有障碍的墙面区域进行了不同的算法设计。
空白墙面的算法：
输入：矩形目标区域，机器人工作半径r1，网格尺寸集合Sg＝{l1,l2,...,ln}；
输出：工作区域最小覆盖集。
1、构造目标区域；
2、以网格尺寸li为变量进行目标区域离散化，用r＝0.6m的圆对工作区域进行完全覆盖，进行网格空间建立。
3、构造如图3所示离散点阵；
4、顺序搜索，对所有工作点进行搜索，判断冗余工作点；
5、删除冗余工作点；
6、重复4至5直到工作点集无冗余工作点，得到相对于网格尺寸li的最小覆盖集Sfi。
7、重复2至6步，得到关于不同网格尺寸的所有最小覆盖集Sf＝{Sf1,Sf2,...Sfn}，从中选出最优覆盖集SB＝min{Sf}；
室内装修过程中，目标区域多为具有障碍物的区域，例如带有门窗的墙面。在规划此目标区域时，我们就不得不考虑门窗的存在对算法的影响。为简化算法，本文提出定义：障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件。算法逻辑如上文一样，只需将点阵中不属于目标区域的点去掉即可。
(二)路径规划算法
最小覆盖点集的路径规划问题可以简化为TSP问题。问题描述：找到一条最短的路径，遍历所有最小覆盖集中SB所有工作点，或者搜索整数子集的一个排列X＝{v1,v2,...,vn}，使得
Figure GDA0002596157180000061
取最小值，其中d(vi,vi+1)为相邻工作点的欧氏距离。
本发明利用带有约束的遗传算法解决路径规划问题，其中算法参数如下所示：
编码：采用遍历最小覆盖集中的各个工作点序列进行编码；
适应度函数f：选用路径长度的倒数，即f＝1/Td；
交叉方式：PMX部分匹配交叉，交叉概率pc＝0.1；
变异算子：倒变位移算子，变异概率pm＝0.2；
初始种群大小：30；
最大代数：500；
本发明提出了以下优化方案：
(1)将已经得到最优覆盖集SB进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即
Figure GDA0002596157180000071
其中
Figure GDA0002596157180000072
其中，
Figure GDA0002596157180000073
为x值均为xk的点的集合。此操作可以将工作区域归类，减少机器人的水平方向的移动从而减少调整时间；
(2)简化算法，标记各个工作区，建立新的距离矩阵D＝[dij]w×w，w为工作区的数量，dij表示工作区i与j之间的距离，各个工作区的位置用特征点
Figure GDA0002596157180000074
表示：
Figure GDA0002596157180000075
其中
Figure GDA0002596157180000076
为工作区
Figure GDA0002596157180000077
的中点；
(3)构造端点集合
Figure GDA0002596157180000078
其中
Figure GDA0002596157180000079
为第k个工作区的两个端点；
(4)通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最优覆盖集中的所有点的路径。
经过以上的优化以后，算法逻辑描述如下所示：
输入：最优覆盖集SB；
输出：优化路径；
1.对最优覆盖集进行分类
Figure GDA00025961571800000710
构造特征点集合
Figure GDA00025961571800000711
2.构造端点集合
Figure GDA0002596157180000081
3.建立距离矩阵D；
4.建立初始族群；
5.交叉操作；
6.变异操作；
7.得到关于特征点最优路径序列X'；
8.将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；
9.按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连。将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；
10.将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集Sf中所有点的完整路径Xb，其中
Figure GDA0002596157180000082
本发明提供的一种用于室内装修机器人(如图2所示)的路径规划方法，提供了基于墙面最小覆盖点的路径规划算法，经过算法优化后的路径，机器人可以减少工作时间，提高工作效率。
本发明提供的一种用于室内装修机器人的路径规划方法具有以下优点：
1、可靠性高，可以得到相对最优解，提高工作效率；
2、可以应用于装修中的工作规划，工作区的规划。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (4)

1.一种用于室内装修机器人的路径规划方法，其特征在于，包括以下步骤：
S1、进行最小覆盖点集求解：用以离散点为判断依据来求解最小覆盖点集的方式；
S2、进行路径规划：以带有约束的遗传算法为基础，用于墙面处理的路径规划；
步骤S1包括：将工作目标区域划分为均匀的网格，并且在每个网格中心布置工作点，每个工作点的工作区域近似为一个圆形区域，将覆盖集合中的冗余工作点完全去除；
以离散点为依据来判断冗余工作点，包括以下步骤：
A、将工作点的工作区域内部均匀分布密集点，形成密集点阵；
B、若由点pi生成密集点阵内所有点至少被其邻居工作点工作空间所覆盖，则工作点为冗余工作点，可以去除；
C、密集点阵生成规则：在圆内以圆心为生成点，在圆内等间隔分布各个点；步骤S1中空白墙面的最小覆盖集算法为：
输入：矩形目标区域，机器人工作半径r1，
网格尺寸集合Sg＝{l1,l2,...,ln}；
输出：工作区域的最小覆盖集；
S11、构造目标区域；
S12、以网格尺寸li为变量进行目标区域离散化，用圆对工作区域进行完全覆盖，进行网格空间建立；
S13、构造圆形离散点阵；
S14、顺序搜索，对所有工作点进行搜索，判断冗余工作点；
S15、删除冗余工作点；
S16、重复步骤S14至S15直到工作点集无冗余工作点，得到相对于网格尺寸li的最小覆盖集Sfi；
S17、重复步骤S12至S16步，得到关于不同网格尺寸的所有最小覆盖集Sf＝{Sf1,Sf2,...Sfn}，从中选出最优覆盖集SB＝min{Sf}。
2.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于：步骤S1中具有障碍的墙面区域的最小覆盖集算法为：
定义障碍边界：将目标区域内的门框、窗框标记为障碍边界，作为点阵构造的约束条件，将点阵中不属于目标区域的点去掉，其算法与空白墙面相同。
3.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S2包括以下子步骤：
(1)、将已经得到最优覆盖集SB进行分类，其分类准则为：以x坐标值为分类标准，将覆盖集分为多个工作区，即
Figure FDA0002829985950000021
其中
Figure FDA0002829985950000022
其中，
Figure FDA0002829985950000023
为x值均为xk的点的集合；
(2)、简化算法，标记各个工作区，建立新的距离矩阵D＝[dij]w×w，w为工作区的数量，dij表示工作区i与j之间的距离，各个工作区的位置用中点
Figure FDA0002829985950000024
表示：
Figure FDA0002829985950000025
其中
Figure FDA0002829985950000026
为工作区
Figure FDA0002829985950000027
的中点；
(3)、构造端点集合
Figure FDA0002829985950000028
其中
Figure FDA0002829985950000029
为第k个工作区的两个端点；
(4)、通过遗传算法得到关于特征点的最优路径后，将路径转化为包括最优覆盖集中的所有点的路径。
4.根据权利要求1所述的用于室内装修机器人的路径规划方法，其特征在于，步骤S2包括以下子步骤：
输入：最优覆盖集SB；
输出：优化路径；
S21、对最优覆盖集进行分类
Figure FDA00028299859500000210
构造x值均为xk的点的集合
Figure FDA00028299859500000211
S22、构造端点集合
Figure FDA00028299859500000212
S23、建立距离矩阵D；
S24、建立初始族群；
S25、交叉操作；
S26、变异操作；
S27、得到关于特征点最优路径序列X'；
S28、将属于特征点的各个区域进行连接，从X'中选第一个区域，选取第一个区域中y轴数值最小的点作为路径中的第一点；
S29、按照以下规则将各个区域连接在一起：确定路径中的第一个点后，将端点集合中的所有点相连；将分别属于两个相邻工作区域距离最近的两个端点连接，最终形成一条仅仅包含各工作区域端点的完整路径X”；
S210、将属于各个工作区的所有点加入到路径X”内，并且按照每个工作区域内的线段走向排列每个工作区域内的各个工作点，最终形成具有最小覆盖集Sf中所有点的完整路径Xb。
CN201710978094.3A 2017-10-18 2017-10-18 用于室内装修机器人的路径规划方法 Expired - Fee Related CN107894766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710978094.3A CN107894766B (zh) 2017-10-18 2017-10-18 用于室内装修机器人的路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710978094.3A CN107894766B (zh) 2017-10-18 2017-10-18 用于室内装修机器人的路径规划方法

Publications (2)

Publication Number Publication Date
CN107894766A CN107894766A (zh) 2018-04-10
CN107894766B true CN107894766B (zh) 2021-02-09

Family

ID=61802815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710978094.3A Expired - Fee Related CN107894766B (zh) 2017-10-18 2017-10-18 用于室内装修机器人的路径规划方法

Country Status (1)

Country Link
CN (1) CN107894766B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109541989A (zh) * 2018-10-24 2019-03-29 湖南城市学院 一种智能建筑室内装修墙面刮扫处理机控制系统及方法
CN110727271A (zh) * 2019-10-30 2020-01-24 北京科技大学 一种机器人运动基元确定方法及装置
CN113469398A (zh) * 2020-03-31 2021-10-01 广东博智林机器人有限公司 一种路径规划方法、装置、电子设备及存储介质
CN113188520B (zh) * 2021-04-30 2023-04-18 成都睿铂科技有限责任公司 一种区域分块环绕型航线的规划方法、系统及航摄方法
CN114296451B (zh) * 2021-12-15 2024-06-18 珠海一微半导体股份有限公司 基于遗传算法的机器人墙面工作的路径规划方法
CN114950805B (zh) * 2022-06-20 2023-11-10 成都飞机工业（集团）有限责任公司 一种飞机机翼机器人喷涂系统的站位优化设计方法
CN115033005A (zh) * 2022-08-10 2022-09-09 湖南朗国视觉识别研究院有限公司 一种地面清扫方法、扫地机器人以及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459914A (zh) * 2008-12-31 2009-06-17 中山大学 基于蚁群算法的无线传感器网络节点覆盖优化方法
CN103837154A (zh) * 2014-03-14 2014-06-04 北京工商大学 路径规划的方法及系统
CN103955222A (zh) * 2014-05-05 2014-07-30 无锡普智联科高新技术有限公司 一种基于多障碍物环境的移动机器人路径规划方法
CN104914866A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 基于拓扑点分类的巡检机器人全局路径规划方法及系统
CN106444755A (zh) * 2016-09-22 2017-02-22 江苏理工学院 基于改进遗传算法的移动机器人路径规划方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2553628A1 (en) * 2004-01-15 2005-07-28 Algotec Systems Ltd. Targeted marching

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101459914A (zh) * 2008-12-31 2009-06-17 中山大学 基于蚁群算法的无线传感器网络节点覆盖优化方法
CN103837154A (zh) * 2014-03-14 2014-06-04 北京工商大学 路径规划的方法及系统
CN103955222A (zh) * 2014-05-05 2014-07-30 无锡普智联科高新技术有限公司 一种基于多障碍物环境的移动机器人路径规划方法
CN104914866A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 基于拓扑点分类的巡检机器人全局路径规划方法及系统
CN106444755A (zh) * 2016-09-22 2017-02-22 江苏理工学院 基于改进遗传算法的移动机器人路径规划方法及系统

Also Published As

Publication number Publication date
CN107894766A (zh) 2018-04-10

Similar Documents

Publication Publication Date Title
CN107894766B (zh) 用于室内装修机器人的路径规划方法
CN111141304B (zh) 一种基于同心圆采样引导rrt算法的路径规划方法
CN110398964B (zh) 一种低能量损耗机器人全覆盖路径规划方法及系统
CN109118500B (zh) 一种基于图像的三维激光扫描点云数据的分割方法
CN109903383B (zh) 一种采煤机在工作面煤层三维模型中精确定位方法
CN110262250B (zh) 一种基于粒子群算法的b样条曲线拟合方法及系统
CN109085569B (zh) 一种基于区域划分的多雷达航迹关联方法
Chu et al. Large-scale traffic grid signal control with regional reinforcement learning
CN111027773A (zh) 一种基于遗传算法的柔性车间调度的混合优化方法
CN113221403B (zh) 基于深度强化学习的有限元网格优化方法、设备和介质
CN104883702B (zh) 一种无线传感器网络网关优化部署方法
CN112529031A (zh) 一种基于改进K-means的微震信号聚类方法及装置
Tajgardan et al. Software systems clustering using estimation of distribution approach
CN112734094A (zh) 一种智慧城市智轨车辆故障基因预测方法及系统
CN115719343A (zh) 一种基于层次分析法的厚板t型接头多道焊焊接位置自主决策方法
CN113850414A (zh) 基于图神经网络和强化学习的物流调度规划方法
CN110968950A (zh) 一种基于人员疲劳度的人机协作拆卸序列规划方法
Shahidi et al. Memetic algorithm based path planning for a mobile robot
CN110912627A (zh) 一种基于数据驱动的小区接收功率预测方法
CN116127584B (zh) 一种动态过道布置方法
Radtke et al. A multi-objective memetic algorithm for intelligent feature extraction
CN112733241A (zh) 基于自适应差分进化算法的公共场所护栏布局优化方法
CN104200073A (zh) 一种基于局部Lipschitz估计的自适应群体全局优化方法
CN115002788B (zh) 一种用于道路健康检测的有向传感器网络覆盖优化方法
CN113946159B (zh) 无人机高速公路巡逻的路径优化方法和系统

Legal Events

Date Code Title Description
PB01 Publication
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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210209

Termination date: 20211018