启发函数

摘要： 针对路径规划中的最优路径问题,利用参考文献中提到的两种改进蚁群算法进行融合得到了一种新的改进蚁群优化算法,通过MATLAB将得到的方法和基本蚁群算法在20×20的栅格环境下进行了测试,得出的结果是两种算法在相同的栅格环境中寻找的最优路径完全相同,但是在收敛曲线的迭代次数上,改进蚁群算法需要的迭代次数较基本蚁群算法很少.由此得出的结论是改进蚁群算法具有较高的求解效率.

摘要： 针对水面自主无人艇静态路径规划全局最优的问题,以提高全局路径规划算法精度为目标,提出了一种基于改进启发函数的全局路径规划方法。该方法采用栅格法对已知环境地形图进行建模,基于A*算法设计了一种新型的启发函数,通过改变导航控制器的增益系数来对路径进行优化。考虑到水面障碍物漂移作用对水面自主无人艇路径规划产生的影响,通过设置不同的障碍物形态、大小来模拟水面障碍物漂移作用产生的漂移增量。采用MATLAB仿真平台进行多次实验测试,测试结果证明了改进避障策略算法的可靠性。

摘要： 路径规划是室内导航研究的关键技术之一。A^(*)算法是一种常见的路径规划算法,当区域的点数量较少时,找寻最优路径是最有效的直接搜索方法。但当路径点规模较大时,使用数值优化算法求解最佳路径的难度急剧增加,导致规划时间所需时间过长,不符合实时性要求。为提高路径规划方法中的效率和稳定性,在梳理室内导航路径规划已有算法和方案的基础上,分析了A^(*)算法的基本思想与实现步骤,并针对室内导航中A^(*)路径算法存在的问题,提出了一种改进型A^(*)算法优化的方案。利用用户对最短距离和直行路程的需求,在位置计算中,引入同时考虑方向和距离启发信息的启发函数,把POI点与寻路节点分开处理,以映射的方式建立联系。将该方案应用于室内导航中A^(*)算法实现伪代码,对算法改进前后进行算法效率测试。结果表明,改进后A^(*)算法的整体效率提升了近50%,改进型A^(*)算法在室内导航路径规划的效率和稳定性比较优,达到了加速导航算法的目的。

摘要： 针对传统寻路算法在移动机器人中搜索效率低和搜索路径不一定为最优等问题,提出了采用改进A*算法来进行移动机器人路径规划,传统寻路算法一般采用Dijkstra算法,最佳优先搜索算法(BFS)和A*算法。Dijkstra算法是一种盲目式搜索算法,可以搜索到一条最优路径,但是扩展节点太多搜索效率太慢,BFS算法是一种启发式算法,利用了启发函数,扩展节点少搜索效率高,但是不一定能搜索到一条最优路径,A*算法结合了Dijkstra算法和BFS算法,既能搜索到一条最优路径,同时搜索效率也比较高,但是也存在一些缺点。在A*算法的基础上提出了改进A*算法,首先对启发函数进行优化,可以提高算法搜索的导向性,再使用双向搜索的方式,同时从路径的两端进行搜索,可以极大地提高A*算法的搜索效率,通过仿真实验证明,改进A*算法比传统A*算法的搜索效率提高了24.95%,比BFS算法搜索的路径长度减少了24.46%,比Dijkstra算法的搜索效率提高了91.37%,因此采用改进A*算法进行移动机器人路径规划具有更好的寻路效果。

摘要： 将两种改进的蚁群算法融合得到一种新的改进蚁群优化算法。首先,通过在启发函数中加入下一个节点与最终节点的距离,然后,在信息素更新时根据最优解和最差解,相应地增加或减少信息素浓度提高算法性能,并将改进的蚁群算法应用于路径规划中。结果表明改进蚁群算法得到最优路径的结果比蚁群算法得到的结果更好。从而得到的结论是改进蚁群算法能够有效解决物流车辆的路径规划问题。

摘要： 针对无人船路径规划过程中存在的规划结果所占内存较大、耗费时间较长、有较大概率生成“死区”的问题,提出基于改进 A^(*)算法的无人船路径规划方法。选取栅格法构建无人船行驶环境模型,采用 A^(*)算法确定代价函数,判断代价大小,以代价最小的节点作为下一个轨迹点,由此获取最优无人船行驶路径。为改进 A^(*)算法,利用无人船转弯半径下限、路径长度下限和行驶速度条件约束等内容改进实际代价函数,通过欧几里得距离与曼哈顿距离的线性组合改进启发函数,简化无人船航行路径,清除额外节点,获取最优路径。实验结果显示该方法能够有效实现障碍物躲避的目的,路径规划时间与总航程更少。

摘要： 针对蚁群算法在三维路径规划中存在的搜索效率低,易陷入停滞和局部最优等问题,对蚁群算法进行了改进。首先,根据最优路径的自身特点对初始信息素进行不均匀分配,提高算法初期的搜索效率;其次,在启发函数中引入夹角因素,使算法对于最优路径的搜索更具有方向性,并对信息素和启发函数的权重因子α和β的取值进行动态调整,加快算法收敛速度;最后,对信息素更新规则提出改进,设定迭代阈值,对信息素挥发系数加以完善,避免算法陷入局部最优。通过栅格法对三维环境建模,仿真结果证明了改进后蚁群算法的可行性和有效性。

摘要： 为解决机器人实际巡检轨迹与预设运动轨迹之间偏离程度过大的问题,提出基于改进蚁群算法的四足巡检机器人全局路径规划方法。通过完善改进蚁群算法应用的方式,确定巡检路径节点的分配原则,再联合运行速率等指标参量,建立启发式函数,完成基于改进蚁群算法的机器人行进路径建模处理。根据机器人运动模型表达式,确定巡检速度采样标准,再根据步长值估算结果,实现对四足巡检机器人全局路径的按需规划。对比实验结果:机器人实际巡检轨迹与预设运动轨迹之间的偏离程度得到了有效控制,表明改进蚁群算法对于实现四足巡检机器人全局路径的准确规划具有促进性影响作用。

摘要： 针对路径规划算法中蚁群算法对目标点盲目性较大且无法应对多路况等问题,提出了一种多因素改进势场蚁群算法.首先,算法引入人工势场法重新构造路径长度启发函数并加入势场力递减系数,从而解决蚁群算法迭代时间长且易陷入局部最优解的问题;然后,综合考虑了势场路径长度因子,路径平缓性因子以及平滑性因子,构建新的多因子启发式函数,以适应复杂多变的路面环境;最后,运用动态切点法对路径进行平滑处理,提高路径整体质量.仿真实验表明,该算法在复杂颠簸路面情况下具有较好的适应力,能够有效解决机器人路径规划问题.

摘要： 室内移动配送机器人是一种新型机器人,路径规划是移动机器人研究的关键技术。针对传统A*算法在室内移动配送机器人路径规划中存在转弯次数和遍历节点数过多,容易发生抖动和配送速度过慢的问题,提出一种对A*算法的改进策略。首先改进启发函数来减少遍历节点数、缩短搜索时间,再结合跳点搜索理论选出关键点代替传统A*算法中Openlist和Closelist的点,删除多余的拐点来提高运算效率。为了验证改进A*的性能,在栅格地图上模拟出公司地图环境,模拟室内移动配送机器人从前台配送咖啡到会议室和展厅的办公桌旁。结果表明改进的A*算法拐点数量更少,搜索所耗时间更短,能够满足公司室内场景下移动机器人配送咖啡的要求。

摘要： 随着测试技术的不断发展，航天自动测试系统可选的测试资源总类不断丰富，系统组建的灵活性大大增加，这就为测试资源和路径提供了许多选择，因此测试任务调度问题就成为组建航天自动测试系统的关键问题。本文以测试总时间最短作为任务调度的目标，基于时间Petri网的状态方程，提出了一种启发式搜索算法启发函数的构造方法。即在测试任务、测试工序时间和测试任务之间的时序关系已知的情况下，可以通过该启发函数进行启发式搜索来估算任务的总测试时间。

摘要： 在分析最大正常故障诊断理论的基础上,对可能故障集辨识的不确定性和辨识的启发函数进行了进一步研究,得出故障集划分的启发式规则,并依据该规则提出了基于随机选择划分、关联集和系统耦合度的三种改进的故障集划分算法.改进后的方法缩小了诊断问题的解空间,诠释了最大正常诊断理论核心思想,在不同程度上减少了计算的冗余性.最后,通过一个测试实例对三种算法的性能进行了分析对比.

摘要： 基于蚁群算法的三维路径规划大多存在规划速度慢、准确度不高等问题,提出了一种基于改进启发函数和自适应修正挥发系数的蚁群算法,设计了一种新的启发函数,提高了三维路径规划的准确度;提出自适应调整挥发系数,避免搜索陷入局部最优,同时加快了算法收敛速度.最后进行了仿真实验,结果证明了该方法的可行性和有效性.

摘要： 本文主要研究了动态可重构系统的能耗最优化问题,提出了一种基于蚁群算法的低能耗调度算法(ASR).该算法以蚁群算法的概率状态转移规则为中心,通过设计合理的启发函数(即任务放置策略)达到最小化系统能耗目的.通过实验模拟,与蛮力算法比较后发现,采用提出的ASR调度算法,不仅使得系统损失的总能耗比最优能耗高3％,而且算法复杂度低,运行速度快.

摘要： 中介逻辑是一种区分矛盾否定与对立否定、肯定一些对立知识间存在中介对象的逻辑系统.基于中介谓词逻辑描述模糊知识,合理修改与或图,将每一谓词表达式视为状态结点,把逻辑规则集合表示为状态搜索空间.在传统与或图搜索算法的基础上,修改启发函数,将模糊知识的推理问题转化为状态空间中的搜索问题,并给出了一种否定信息的处理方法.

摘要： 本文讨论了在汉语连续语音识别系统的两阶段词图搜索过程中A*算法的应用,使用从前向后的时间同步Viterbi算法进行第一阶段词图搜索和剪枝,之后使用从后向前的非时间同步的A*算法进行第二阶段搜索,找到N-Best路径.文章给出了第二阶段A*搜索算法的实现方法、时间优化和启发函数优化方法,并与基线系统进行了比较.实验结果表明,在时间上,A*算法可以达到Viterbi算法的速度,满足实际应用的需要;A*算法搜索得到的最优路径有10﹪优于Viterbi搜索得到的最优路径,1﹪不及Viverbi算法;对于字识别正确率和WER指标有一定改善.

摘要： 针对室内结构化环境下的服务型移动机器人路径规划问题，传统A*算法生成的路径无法满足实时跟踪性能指标的要求．提出了一种对A*算法产生的路径进行平滑处理的设计方法，使得移动机器人可更快速平稳地跟踪路径并到达目标点．首先，应用改进A*算法进行移动机器人路径规划．然后进一步对生成路径进行关键点优化，使全局路径简化为若干关键点衔接．最后，以路径平滑的三个必要约束(位置、曲率、斜率)为标准，引入极多项式曲线实现平滑路径的生成，并针对关键点矢量夹角为钝角情形，引入分段多项式函数曲线作出改进．实验结果表明，生成的路径既满足移动机器人的几何学特性，又满足其动力学特性，计算简便，满足移动机器人跟踪过程实时性高的要求．

摘要： 针对室内结构化环境下的服务型移动机器人路径规划问题，传统A*算法生成的路径无法满足实时跟踪性能指标的要求．提出了一种对A*算法产生的路径进行平滑处理的设计方法，使得移动机器人可更快速平稳地跟踪路径并到达目标点．首先，应用改进A*算法进行移动机器人路径规划．然后进一步对生成路径进行关键点优化，使全局路径简化为若干关键点衔接．最后，以路径平滑的三个必要约束(位置、曲率、斜率)为标准，引入极多项式曲线实现平滑路径的生成，并针对关键点矢量夹角为钝角情形，引入分段多项式函数曲线作出改进．实验结果表明，生成的路径既满足移动机器人的几何学特性，又满足其动力学特性，计算简便，满足移动机器人跟踪过程实时性高的要求．

摘要： 针对室内结构化环境下的服务型移动机器人路径规划问题，传统A*算法生成的路径无法满足实时跟踪性能指标的要求．提出了一种对A*算法产生的路径进行平滑处理的设计方法，使得移动机器人可更快速平稳地跟踪路径并到达目标点．首先，应用改进A*算法进行移动机器人路径规划．然后进一步对生成路径进行关键点优化，使全局路径简化为若干关键点衔接．最后，以路径平滑的三个必要约束(位置、曲率、斜率)为标准，引入极多项式曲线实现平滑路径的生成，并针对关键点矢量夹角为钝角情形，引入分段多项式函数曲线作出改进．实验结果表明，生成的路径既满足移动机器人的几何学特性，又满足其动力学特性，计算简便，满足移动机器人跟踪过程实时性高的要求．

摘要： 针对室内结构化环境下的服务型移动机器人路径规划问题，传统A*算法生成的路径无法满足实时跟踪性能指标的要求．提出了一种对A*算法产生的路径进行平滑处理的设计方法，使得移动机器人可更快速平稳地跟踪路径并到达目标点．首先，应用改进A*算法进行移动机器人路径规划．然后进一步对生成路径进行关键点优化，使全局路径简化为若干关键点衔接．最后，以路径平滑的三个必要约束(位置、曲率、斜率)为标准，引入极多项式曲线实现平滑路径的生成，并针对关键点矢量夹角为钝角情形，引入分段多项式函数曲线作出改进．实验结果表明，生成的路径既满足移动机器人的几何学特性，又满足其动力学特性，计算简便，满足移动机器人跟踪过程实时性高的要求．

摘要： 本发明涉及一种高压输电线路无线电干扰激发函数确定方法，包括：获取导线分裂数和子导线半径；建立输电线路仿真模型；通过所述模型获取导线表面的平均最大电场强度；确定所述模型的无线电干扰激发函数值。本发明提供的技术方案在预测高压输电线路的无线电干扰水平方面更加的准确可靠。

摘要： 本发明公开了一种基于电晕笼的直流输电线路无线电干扰激发函数测试方法，计算电晕笼中导线的单位长电容，以电晕笼中导线与笼壁间距离为衡量距离，确定输电线路导线周围与输电线路之间距离等于该衡量距离的点的位置；基于电磁场数值计算方法，计算各点位置处产生的电压，将这些点的电压取电压平均值；将输电线路导线电压与电压平均值相减，得到在电晕笼中施加在导线与电晕笼之间的等效电压；使用耦合电容器将电晕笼中导线的高频电压耦合到低压端，使用无线电干扰接收机测量耦合电压；利用耦合电压获得输电线路导线的无线电干扰激发函数。本发明在电晕笼中得到的无线电干扰激发函数可以直接用于实际线路，无需任何修正和折合。

摘要： 本发明公开了一种基于电晕笼的直流输电线路无线电干扰激发函数测试方法，计算电晕笼中导线的单位长电容，以电晕笼中导线与笼壁间距离为衡量距离，确定输电线路导线周围与输电线路之间距离等于该衡量距离的点的位置；基于电磁场数值计算方法，计算各点位置处产生的电压，将这些点的电压取电压平均值；将输电线路导线电压与电压平均值相减，得到在电晕笼中施加在导线与电晕笼之间的等效电压；使用耦合电容器将电晕笼中导线的高频电压耦合到低压端，使用无线电干扰接收机测量耦合电压；利用耦合电压获得输电线路导线的无线电干扰激发函数。本发明在电晕笼中得到的无线电干扰激发函数可以直接用于实际线路，无需任何修正和折合。

摘要： 本发明涉及一种高压输电线路无线电干扰激发函数确定方法，包括：获取导线分裂数和子导线半径；建立输电线路仿真模型；通过所述模型获取导线表面的平均最大电场强度；确定所述模型的无线电干扰激发函数值。本发明提供的技术方案在预测高压输电线路的无线电干扰水平方面更加的准确可靠。

摘要： 本发明提出了一种基于改进启发函数的A*算法的移动机器人路径规划方法，旨在保证能规划出最短路径的前提下，通过减小路径的累计转折角度，提高移动机器人路径规划的效率，实现步骤为：构建移动机器人路径规划场景模型；初始化参数并计算起始标记节点Astart的代价值；移动机器人对Close集合Ck进行更新；移动机器人基于改进启发函数的A*算法计算节点P的邻域节点的代价值；移动机器人对Open集合Ok、代价值集合F和路径树T进行更新；移动机器人判断路径规划是否成功；移动机器人对路径树T'进行回溯以得到路径规划结果。

摘要： 本发明公开了一种基于双启发函数的诊断树构造方法，目的是提供一种构造过程简单的诊断树构造方法，使得所获诊断树的最优性较好，且能适应实际中存在的各种情况。技术方案是首先采集测试结果可靠度、错误诊断代价、隔离精度等数据，将这些新增数据应用于启发函数-I和启发函数-II中，先用启发函数-I构造出以各候选测试为顶点的临时诊断树，再用启发函数-II计算和比较这些临时诊断树，得到最佳诊断树。采用本发明构建的诊断树可满足不同的诊断精度要求，且准确度较高，可以满足工程上对最优性和简单性方面的要求。

摘要： 本发明提供基于双启发函数的机器人快速最优路径规划方法，本发明制定了两种路径搜索方式，八邻域引导式搜索可以最快的速度、最短的路径搜索目标节点，当遇到大范围障碍物时，采用四邻域障碍绕行搜索，可以快速绕过大范围障碍物，有效地减小搜索范围。同时，为了解决最速与最优问题，本发明引入了两个启发函数，最优路径启发函数用以保证能找到一条较短路径，目标指引启发函数用以引导路径向目标方向扩展，减少无用的路径尝试。在得到初步路径后，提取路径的拐点信息，进行拐点间路径重规划，以最小的代价优化路径，得到从起始节点到目标节点的最短路径。

摘要： 本发明公开了一种神经网络优化启发函数的移动机器人路径规划方法，包括，基于分类神经网络中的Softmax函数对输出向量和输入向量进行归一化处理；利用神经网络作为机器人路径搜索过程中的启发函数时，将栅格地图中8个方向的节点定义为分类输出网络的8个输出类别；定义输入向量与输出向量的格式；利用Adam算法对所述启发函数进行优化训练；求解所述启发函数，利用增益或抑制的策略体现出神经网络输出结果对所述启发函数的影响。本发明可以在一定范围内考虑障碍物对路径的影响，给出相对准确的搜索方向，在应用于A*算法的优化时，可以明显的提高算法的计算效率，在降低算法时间复杂度上有着明显的优势。

摘要： 本发明提出了一种基于改进启发函数的A*算法的移动机器人路径规划方法，旨在保证能规划出最短路径的前提下，通过减小路径的累计转折角度，提高移动机器人路径规划的效率，实现步骤为：构建移动机器人路径规划场景模型；初始化参数并计算起始标记节点Astart的代价值；移动机器人对Close集合Ck进行更新；移动机器人基于改进启发函数的A*算法计算节点P的邻域节点的代价值；移动机器人对Open集合Ok、代价值集合F和路径树T进行更新；移动机器人判断路径规划是否成功；移动机器人对路径树T'进行回溯以得到路径规划结果。

摘要： 基于启发函数的服务机器人最优路径规划方法，涉及到移动式服务机器人导航系统中的路径规划方法技术领域。解决目前常用的最优路径规划方法效率低，搜索的准确度差的技术不足，采用改进启发函数的A‑Star算法，鉴于方向角与距离量纲不同的问题，对每一个关联节点相应的距离和方向角度进行归一化处理，避免了对同一节点的重复访问，极大地缩小了搜索空间，从而缩短了算法的运行时间。本发明提出的启发函数包含了方向和距离2个因素，并且针对距离和方向两个量纲不统一的问题，提出将距离和方向归一化处理，提高了搜索效率，规划了最优路径。