-
公开(公告)号：CN115328161B
公开(公告)日：2024-04-26
申请号：CN202211120479.3
申请日：2022-09-15
申请人： 安徽工程大学
摘要： 本发明涉及一种基于K视界的改进蚁群算法的焊接机器人路径规划方法，S1、创建机器人工作环境地图起始点与目标点；S2、初始化节点实际视界矩阵v_matrix；S3迭代开始：S3.1、将第i只蚂蚁放至起点寻路；S3.2、根据公式(1)计算节点的选择概率，用轮盘赌法选择下一节点并移动；S3.4、若所有蚂蚁都完成寻路任务，S3.5、更新信息素浓度矩阵；S3.6、判断当代最优路径长度lb是否小于Lb，更新Lb与nodeb为当代最优解；S3.7、以nodeb节点列表为依据，用式(2)和式(3)对所有节点的实际视界进行更新；S3.6、若当前迭代次数小于最大迭代次数；S4、循环T代后输出全局最优解。视界使蚂蚁有效排除无效选项，提高算法解决问题的效率。
-
公开(公告)号：CN115494840B
公开(公告)日：2024-04-12
申请号：CN202211001970.4
申请日：2022-08-20
申请人： 安徽工程大学 , 芜湖柯埔智能装备有限公司
摘要： 一种基于蒙特卡洛因子的MC‑IACO的改进蚁群算法的焊接机器人路径规划方法，包括：S1、栅格法创建机器人工作环境地图；S2、初始化节点的蒙特卡洛算法参数；S3、算法迭代开始：S3.1、将m只蚂蚁放至起点开始寻路；S3.2、按传统蚁群算法流程更新信息素浓度矩阵；S3.3、初始化蒙特卡洛指数增量矩阵mc_delta；S3.4、遍历当前代最优路径的节点，更新mc_delta中节点对应的蒙特卡洛指数增量mij_delta＝0.1；S3.5、依据mc_matrix＝mc_matrix+mc_delta更新蒙特卡洛指数矩阵；S3.6、若当前迭代次数小于最大迭代次数，则执行S3.1；否则执行S4；S4、循环T代后输出全局最优解。本发明解决焊接机器人路径规划问题上的效果进步明显，整体性能优于基本蚁群算法和改进蚁群算法的性能。
-
公开(公告)号：CN117452945A
公开(公告)日：2024-01-26
申请号：CN202311483842.2
申请日：2023-11-07
申请人： 安徽工程大学
IPC分类号： G05D1/43 , G05D1/644 , G05D1/648 , G05D109/10
摘要： 本发明公开一种面向多机器人协同遍历的任务节点划分方法，包括以下步骤：S1、算法参数初始化，如聚类数量K、任务节点的数量M、任务节点坐标数据等；S2、根据式(3)计算各个任务节点的r'跟θ'；S3、将所有任务节点由空间域映射到角度域；S4、根据式(6)计算节点的权重系数；S5、根据式(5)计算K‑means算法的聚类中心；S6、调用基本TSP算法如蚁群算法对不同类别的任务节点进行路径规划；S7、返回算法运行结果，程序结束。本发明的有益效果是，通过将待分配的任务节点映射到角度域，并通过引入权重系数来微调分类结果的规模平衡性，从而在保证了机器人负载均衡性的基础上降低任务的整体用时。
-
公开(公告)号：CN116205292A
公开(公告)日：2023-06-02
申请号：CN202310081103.4
申请日：2023-01-16
申请人： 安徽工程大学
IPC分类号： G06N3/126 , G06Q10/04 , G06Q10/0631 , G06Q50/04
摘要： 本发明公开一种求解柔性作业车间调度的改进遗传算法，包括：S1、算法参数初始化；S2、使用分治贪婪初始化策略生成初代染色体，S3、将随机数小于cp的个体取出作为交叉算子的父代种群，依次从该种群中取出两个染色体作为交叉父代chro1与chro2，使用改进POX算子来生成交叉子代child1与child2；S4、将随机数小于mp的个体取出作为变异算子的父代种群，将变异个体加入子代种群列表childList中；S5、将子代种群childList中的染色体并入总种群列表chroList中；S6、根据锦标赛选择法选择出下一代的父代；S7、将temp数据赋值给总种群列表chroList；输出全局最优解。本发明的有益效果是分治贪婪初始化策略初始化初代个体以保证生成较优的初始解，并提出一种最优匹配交叉方法来改进传统POX交叉算子，加速算法的收敛速度，提高算法的寻解效率。
-
公开(公告)号：CN115981307A
公开(公告)日：2023-04-18
申请号：CN202211544044.1
申请日：2022-12-03
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明公开一种基于改进非洲野狗算法的移动机器人路径规划方法，包括以下步骤：S1、生成初始种群；S2、计算种群适应度；S3、野狗执行围攻行为；S4、野狗执行追捕行为；S5、野狗执行食腐行为；S6、检测野狗个体的新位置是否优于原位置，更新位置信息；S7、计算出需要执行求生行为的个体，并将该部分个体计算新位置；S8、否达到最大循环次数，输出最优野狗个体最优路径信息。本发明的有益效果是，采取本发明新型策略的改进非洲野狗算法在解决移动机器人路径规划的效果明显，整体性能优于基本非洲野狗算法及其他改进蚁群优化算法。
-
公开(公告)号：CN115542892A
公开(公告)日：2022-12-30
申请号：CN202210109826.6
申请日：2022-01-29
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明涉及一种基于多步长蚁群算法的移动机器人路径规划方法，传统蚁群算法在栅格图模型下解决机器人路径规划问题的过程中，通常规定蚂蚁只能向邻接节点进行移动，即步长为1，可移动方向有8个，但在实际情况中，蚂蚁的移动方向是完全自由的，因此，本发明利用多步长改进策略来提高蚂蚁移动的灵活性，使得算法所得路径更短，且更符合实际情况。为了验证本文改进蚁群算法的有效性，分别在20×20、30×30两种规格的环境下进行算法的仿真，并将结果与传统蚁群算法、其他改进蚁群算法对比，结果表明，本发明的改进蚁群算法的收敛速度更快，且所得路径更短。
-
公开(公告)号：CN113917925B
公开(公告)日：2022-12-09
申请号：CN202111197408.9
申请日：2021-10-14
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明公开一种基于改进遗传算法的移动机器人路径规划方法，包括以下步骤：S1、初始化遗传算法的相关参数；S2、模拟蚁群算法中的蚂蚁寻路策略来初始化遗传算法的初代解；S3、初始化迭代次数iter=0，开始迭代；S4、选择算子；S5、交叉算子；S6、变异算子；S7、将child—list中的染色体复制到父代列表father—list中；S8、iter+=1，判断循环次数iter是否等于最大循环次数max—iter；S9、输出father—list中适应度最高的个体，即全局最优解。本发明的有益效果，通过蚁群算法的蚂蚁寻路策略来构建遗传算法所需的初代解，能有效提高初代解质量，为算法后续处理提供了更良好的前置条件；改进后的交叉算子大幅提升优秀子代出现的速度，进而加快算法的收敛速度，改进后的变异算子保证了个体总是向着好的方向变异，提高了算法效率。
-
公开(公告)号：CN115016461A
公开(公告)日：2022-09-06
申请号：CN202210507597.3
申请日：2022-05-10
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明涉及一种基于动态终点策略的IA‑Star算法的机器人路径规划方法，传统A‑Star遍历的节点是集中于起点至终点的连线方向上的节点集群，在最优路径与起点至终点的连线较为接近时结果较好，实际应用中往往最优路径并不接近于起点至终点的连线。本发明提出一种基于动态终点的改进策略，改进后的A‑Star算法在遍历节点的过程中，会动态地调整局部的临时终点，从而避免算法遍历一些无效节点，从而提高算法完成路径规划任务的效率。仿真表明采取新型策略IA‑Star算法在解决机器人路径规划问题上的效果进步明显，整体性能优于基本A‑Star算法和其他一些改进A‑Star算法。
-
公开(公告)号：CN110095122B
公开(公告)日：2022-05-17
申请号：CN201910389322.2
申请日：2019-05-10
申请人： 安徽工程大学
摘要： 本发明公开一种基于改进蚁群算法的移动机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人环境地图；S2、采用蚁群算法寻找环境最短路径，蚁群算法包含以下步骤：S21、初始化蚁群算法的参数；S22、将m只蚂蚁放在起始点开始搜索；S23、利用距离启发函数选择下一步移动栅格；S24、判断所有蚂蚁是否到达目标点，如果是则进行步骤S25，如果否返回步骤S23；S25、通过路线冗余消除策略对当前迭代所有可行路径进行优化；S26、利用路径偏差放大策略进行信息素更新；S27、判断是否达到最大迭代次数，如果是则结束；如果否，则令迭代次数加1并返回步骤S22；S3、将步骤S2得到最短路径作为规划的最优路径；本发明不仅提高了全局最优解而且提高了收敛速度。
-
公开(公告)号：CN118574157A
公开(公告)日：2024-08-30
申请号：CN202410628818.1
申请日：2024-05-17
申请人： 安徽工程大学
IPC分类号： H04W28/08 , H04W28/084 , H04W24/02 , G06N3/006
摘要： 本发明提出一种改进混合蛙跳融合算法来解决多边多端的边缘卸载问题，首先针对初代种群适应度较低的现象，本发明使用一种部分贪婪初始化方法用来生成初代种群，并通过重复性实验验证了改进方法的有效性；其次，考虑到传统蛙跳算法缺乏对种群优良个体的局部搜索，基于和声搜索算法的原理，引入一种和声优化算子来增强本发明的算法的局部搜索能力，减少算法的迭代次数，提高算法的寻解效率。大量的仿真结果表明，本发明所提的ISFLA算法在解决多边多端的边缘卸载问题上效果明显，整体性能相比于传统SFLA算法以及其他启发式算法具备明显优势。
-
-
-
-
-
-
-
-
-
搜索结果
38 条记录 (耗时 0.037 秒)
