改进A*算法的物流无人机运输路径规划

针对低空环境下物流无人机运输路径规划问题,综合考虑低空规划空域、物理性能等内外限制,设计了一种改进A~*算法用以快速解算路径。该算法以栅格法飞行区域建模为基础,为适用无人机航空物流运输,在成本函数中引入栅格危险度并增加飞行时间、能源消耗等代价,同时采用动态加权法对估计函数的权值赋值。在既定的路径规划环境及物流无人机性能约束下,仿真结果表明:该算法能快速规划出危险度小、能耗少的避障运输路径,且性能相比原算法、蚁群算法优;并得出最佳路径所对应的栅格粒度大小与代价权重值取值,验证了本算法的有效性。     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优.     

基于贪心策略下混合蚁群算法的无人机航迹规划

针对复杂环境下无人机航迹规划中航行误差的校正问题,提出一种改进的蚁群算法.该算法在蚁群算法的基础上,首先将粒子群算法中的适应度作为启发值引入信息素更新中,改进了原始的信息素更新模型;其次使用贪心策略在选择校正点时进行剪枝运算,优化了算法的选择策略;最后使用A*算法替代原始算法的随机初始化,修改了信息素的更新方式,优化了生成路径的质量.对规划路径,使用Dubins曲线对航迹进行光滑,光滑后航迹既能满足航迹约束,也能满足飞行器的性能约束.研究结果表明:在参数设置上,当蚁群数量较大时,设置较小的启发值常数能获得更好的结果;对贪心蚁群算法使用A*算法进行初始化,能有效加速蚁群算法收敛速度,提高解的质量,实验显示改进后航迹长度减少了约6％,时间减少了约25％.     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

海洋气象环境影响下的复杂水域船舶路径规划

为提高复杂水域船舶自动生成路径的安全性与经济性,将海洋气象环境因素考虑在内,以船舶避开障碍物为前提,设计了以航行时间最短为目标的路径规划算法.在建立环境模型的基础上采用改进MAKLINK图生成可行路径,根据矢量合成及拟合模型分析海流及风浪对船舶航速的影响,从而确定路径权值,通过Dijkstra算法进行初始路径规划,采用改进粒子群算法进一步优化及平滑初始路径.以一艘集装箱船通过规划海域为例验证算法的有效性,并对风向和风级进行了敏感性分析.结果表明:考虑海洋气象环境影响生成的路径既可安全避开障碍物,又可节省航行时间,改进粒子群算法在缩短路径航行时间的同时可提高路径的平滑性.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于改进蚁群算法的高速公路疏散路径研究

根据高速公路应急疏散的特点,在交通分配中应用改进蚁群算法模型。首先引入路段交通量和通行时间函数作为算法转移规则的一部分,从而在进行搜索时优先考虑容量大和通行时间较短的路径。其次通过实验分析蚁群算法参数对计算结果和收敛速度的影响,给出了最优的参数组合。最后将最优参数组合应用于改进蚁群算法中,并通过仿真实验将改进蚁群算法与基础蚁群算法的路径搜索结果进行对比。结果表明:采用最优参数组合的蚁群算法不但加快了搜索速度,而且优化了全局最优解,通过基于GIS的高速公路应急疏散系统进行路径分析,得到系统最优的可视化疏散路径。     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避-重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.     

����ͨ��Ϣ�ɼ������˷ɻ�·���滮

引入无人飞机作为城市道路固定交通检测设备的辅助手段,部署无人飞机进行道路交通信息采集,提出了无人飞机的路径规划问题.考虑了无人飞机数量有限,不足以对所有目标进行侦察的情形,建立了以总巡航距离最短、巡航目标数量最多的多目标优化模型,提出了可行路径的重组方法,构造了求解该问题的非支配排序遗传算法.案例分析结果表明：构造的算法可以求出无人飞机路径规划的近似最优解,与最优初始可行解相比,总巡航距离减少了13.07%,巡航目标数量增加了41.67%.最后,讨论了无人飞机在道路交通信息采集中可能面临的问题.     

城市低空物流无人机航迹规划模型研究

为提高物流无人机在城市低空环境下配送的安全性和公众接受程度,保证运输经济性,提出一种考虑运行风险、噪声水平和运输成本的城市低空物流无人机航迹规划方法。采用栅格法进行空域环境表征,建立基于风险的城市空域环境模型。结合物流配送要求,建立多目标、多约束的物流无人机航迹规划模型。采用改进A*算法进行求解：为降低航迹代价,设计估价函数预估成本;为保证飞行安全,引入安全保护区确保间隔;为提升搜索效率,采用动态步长加快搜索进程。仿真结果表明：本文模型和算法所得航迹的运行风险小、噪声水平低、运输成本低,能够实现多目标优化。分析模型参数可知,当各子目标代价权重分别为0.6、0.1和0.3时,规划航迹最优。保证其余参数不变,增大安全间隔,则风险代价、运输成本代价总体呈增加趋势,噪声代价减少。在本文规划环境下,参考大疆经纬200无人机参数,在安全间隔取15 m时,综合代价最小。     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

Research on a Task Planning Method for Multi-Ship Cooperative Driving

A new method for a cooperative multi-task allocation problem(CMTAP) is proposed in this paper,taking into account the multi-ship, multi-target, multi-task and multi-constraint characteristics in a multi-ship cooperative driving(MCD) system. On the basis of the general CMTAP model, an MCD task assignment model is established. Furthermore, a genetic ant colony hybrid algorithm(GACHA) is proposed for this model using constraints, including timing constraints, multi-ship collaboration constraints and ship capacity constraints. This algorithm uses a genetic algorithm(GA) based on a task sequence, while the crossover and mutation operators are based on similar tasks. In order to reduce the dependence of the GA on the initial population, an ant colony algorithm(ACA) is used to produce the initial population. In order to meet the environmental constraints of ship navigation, the results of the task allocation and path planning are combined to generate an MCD task planning scheme. The results of a simulated experiment using simulated data show that the proposed method can make the assignment more optimized on the basis of satisfying the task assignment constraints and the ship navigation environment constraints. Moreover, the experimental results using real data also indicate that the proposed method can find the optimal solution rapidly, and thus improve the task allocation efficiency.     

基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。