导读:本文包含了多路径规划论文开题报告文献综述及选题提纲参考文献，主要关键词:动态路径规划,A*算法,动态行程时间表,重复路径惩罚因子
多路径规划论文文献综述
刘斌,陈贤富,程政[1]（2016）在《一种基于A*算法的动态多路径规划算法》一文中研究指出车载导航系统中最重要的功能是路径规划,传统车载导航设备大多采用静态算法,没有采用实时交通信息规划出的路径可能不是最优路径。结合一种动态行程时间表对传统A*算法进行调整,可以有效利用路网实时交通数据规避拥堵路线,从而实现动态路径规划。另外,实际应用中,单一的优化路径往往不能满足需求,对此提出重复路径惩罚因子的概念,构造出了一种多路径规划算法,可以在路径相似度与路径通行代价之间取得平衡,避免了传统K最短路径(K Shortest Paths,KSP)算法路径相似度过高的缺点。(本文来源于《微型机与应用》期刊2016年04期）
刘洋,章卫国,李广文,史静平[2]（2014）在《一种叁维环境中的无人机多路径规划方法》一文中研究指出为了解决叁维环境中的无人机多路径规划问题,提出了一种基于改进概率地图的多目标蚁群算法。在构建地图时为了增加窄通道中的采样点数量,改进了概率地图法的采样策略,将落在威胁上的采样点移动到自由空间中,可以更好地覆盖规划环境。为了使蚁群算法可以得到多个解,提出了一种多目标蚁群算法。通过引入Pareto解集,播撒不同种类的信息素,使蚁群算法可以同时优化路径长度和威胁大小2个目标,并能得到一组非支配解,有利于决策者选择合适的路径。仿真结果表明,改进的概率地图法可以更好地覆盖规划环境,多目标蚁群算法可以得到一组解,并能收敛到最终解集。(本文来源于《西北工业大学学报》期刊2014年03期）
李冲[3]（2014）在《基于Q学习的智能交通预测与多路径规划研究》一文中研究指出摘要：车辆路径规划技术是解决城市交通拥堵的有效手段之一。传统的路径规划算法,通常只给出最优路径,难以避免车辆所经过路段偶然瘫痪导致没有可选路径的问题。引入多路径规划技术,可保证车辆在任何情况下都有可选路径,提高路径规划稳定性。但是目前的多路径规划技术实时性不高,且算法效率较低,设计高效实时的多路径规划算法颇具挑战性。本文以提高多路径规划的实时性和稳定性为目标,对预测机制和多路径规划这两个关键技术进行研究。首先,为了给路径规划提供实时可靠的数据,本文拟采用模糊神经网络预测机制,精确预测下一时刻交通路网状况。由道路传感器收集平均车速数据,建立模糊神经网络模型预测未来车速,从而计算每条路段的未来平均通过时间,为路径规划提供未来的道路状况信息。模糊神经网络能真实反应交通信息的非线性特性,且预测精度很高。此外,本文拟引用Taguchi方法,在一定预测精度要求下,使用尽可能少的传感器数据,提高预测效率。其次,在预测数据基础上,为了提高多路径规划的算法效率和稳定性,提出了基于Q学习的多路径规划算法。根据Q学习思想对复杂城市路网进行建模。利用了Q值能反映当前路口距离目的地的长期反馈特性,推导出最优路径。然后确定合适的参考值,选取满足条件的次优Q值,实现多候选路径的选取。此外引入多路径集的稳定性约束,保证任何情况下至少存在一条候选路径可供车辆选择；引入协同机制,均衡未来路网负载。最后,利用MATLAB仿真工具分析了模糊神经网络预测机制的精度,基于增强学习的多候选路径算法的效率和稳定性,验证了所提的路径规划方案。图24幅,表8个,参考文献60篇。(本文来源于《中南大学》期刊2014-05-01）
刘利强,汪相国,范志超[4]（2013）在《基于小生境粒子群优化的船舶多路径规划方法》一文中研究指出针对船舶全局路径规划中的多路径规划问题,提出一种基于小生境粒子群优化的多路径规划方法。借鉴遗传算法求解多峰函数的思想,在基本粒子群优化算法的基础上,引入小生境生成、隔离进化和交叉算子等策略,分别采用主群粒子进行区域划分,使用子群粒子完成区域内的局部寻优,从而实现船舶多路径规划。仿真结果表明,该方法能正确、有效地规划出多条最优及次优路径。(本文来源于《计算机工程》期刊2013年09期）
韩维,司维超,丁大春,宋岩[5]（2013）在《基于聚类PSO算法的舰载机舰面多路径动态规划》一文中研究指出对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,ParticleSwarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.(本文来源于《北京航空航天大学学报》期刊2013年05期）
周波,钱来,孟正大,戴先中[6]（2011）在《基于改进遗传算法工业机器人多路径组合规划》一文中研究指出针对工业机器人应用中常见的一类涉及离散多路径组合优化的任务规划问题进行了研究,通过将其转化为非对称哈密顿图表示,采用统一的开环式广义旅行商问题的框架进行建模和求解,由此建立了相应的代价矩阵和目标函数,在此基础上提出了一种新的具有多染色体结构的遗传算法来寻找问题的全局最优解.通过采用不同的染色体分别表示路径的顺序和方向,改进了传统遗传算法容易陷入局部最优值的缺陷,提高了算法的搜索能力和收敛速度.仿真研究中通过与传统TSP问题遗传求解算法的比较,证明了本方法的有效性和可行性.(本文来源于《华中科技大学学报(自然科学版)》期刊2011年S2期）
张大巧,鲜勇,王明海,郑晓龙[7]（2011）在《基于多路径算法的选飞航迹规划方法研究》一文中研究指出针对支持数据链通信的巡航导弹因协同作战而预规划多条飞行航迹的特点,提出了基于多路径标号更正算法的选飞航迹规划方法。该算法在传统算法标号更正算法的基础上引入节点禁忌扩展策略,从而实现航迹的转弯控制和航迹间隔控制,保证了求取的路径满足导弹的飞行约束;通过在赋权图中引入数字地形高程信息和威胁信息,实现了该规划方法叁维规划能力和威胁规避能力。给出了选飞航迹的规划步骤,通过仿真计算证明了该算法的有效性。(本文来源于《弹箭与制导学报》期刊2011年04期）
高航,梁华为[8]（2011）在《基于多传感器多路径规划自动泊车系统仿真及实车验证》一文中研究指出针对无人驾驶汽车比赛进行的研究和设计。根据阿克曼转向几何建立汽车运动学模型,采用多种传感器构建感知系统识别车位,为不同车位设计了平行、垂直和单段叁种泊车路径,籍由触角算法控制汽车跟踪规划路径,用Matlab仿真,在VC2005平台上实车测试。比赛中,"智能先锋号"车位检测与车身控制准确,避免了其他参赛队漏检错检或碰到障碍物的失误,为拿下最终比赛的胜利垫定了基础。(本文来源于《自动化与仪器仪表》期刊2011年04期）
王丹[9]（2011）在《基于粒子群优化的多路径规划方法研究》一文中研究指出借鉴遗传算法求解多峰函数优化问题的思想,开展了基于粒子群优化的多路径规划方法研究。给出了多路径规划算法的基本思想和算法流程,讨论了算法中粒子群的多样化方法以及多种群的隔离进化策略,并针对多个仿真环境进行了仿真实验。仿真结果表明,本文设计的多路径规划算法能针对不同的环境模型进行环境划分,正确、有效地规划出多条运动路径。(本文来源于《舰船科学技术》期刊2011年06期）
胡剑[10]（2010）在《基于进化神经网络的未知环境下机器人多路径规划研究》一文中研究指出路径规划问题是移动机器人研究中的关键技术之一,一直以来是国内外学者们研究的热点。目前,基于环境已知的移动机器人路径规划已经取得了相当多的成果,而且应用也相当成功;基于环境未知的移动机器人路径规划也取得了一定的成果,但是还存在不少问题。目前移动机器人路径规划主要是寻求一条最优路径或者优化路径,但是在实际应用中,比如深海和太空探索中,由于移动机器人工作环境的不确定性,仅仅一条最优或者优化路径不能满足工作的需求。因此有必要规划出多条优化路径,在任务执行时可以根据不同需要,选择合适的行进路径。针对上述问题,本文做了以下研究工作:(1)由于多路径规划与多峰函数问题有一定关联性,为此构造了基于自适应小生境遗传算法优化神经网络来求解多峰函数问题的方法。通过一些多峰函数的仿真实验验证了所构造的进化神经网络具备寻找多个峰的能力。(2)分析了多种未知环境下单路径规划方法和已知环境下多路径规划算法,针对未知环境下多路径规划要求,构造一种利用机器人自身的方位信息和机器人传感器探测到的障碍物信息,来判断未知环境下不同可行路径的方法。在此基础上,提出了一种适应于未知环境下机器人多路径规划的基于自适应小生境遗传算法优化神经网络的方法。由于进化过程中有效地保持种群的多样性,使机器人搜索到不同的可行路径,从而实现多路径规划。然后进行了仿真实验:机器人“大脑”——神经网络,根据传感器探测到的局部环境信息决定其下一步动作,并通过在环境中不断地“学习”,最终能够有效地避开障碍物,安全地抵达目标点,而且能搜索到多条平滑的优化路径。(本文来源于《湘潭大学》期刊2010-06-06）
多路径规划论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决叁维环境中的无人机多路径规划问题,提出了一种基于改进概率地图的多目标蚁群算法。在构建地图时为了增加窄通道中的采样点数量,改进了概率地图法的采样策略,将落在威胁上的采样点移动到自由空间中,可以更好地覆盖规划环境。为了使蚁群算法可以得到多个解,提出了一种多目标蚁群算法。通过引入Pareto解集,播撒不同种类的信息素,使蚁群算法可以同时优化路径长度和威胁大小2个目标,并能得到一组非支配解,有利于决策者选择合适的路径。仿真结果表明,改进的概率地图法可以更好地覆盖规划环境,多目标蚁群算法可以得到一组解,并能收敛到最终解集。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多路径规划论文参考文献
[1].刘斌,陈贤富,程政.一种基于A*算法的动态多路径规划算法[J].微型机与应用.2016
[2].刘洋,章卫国,李广文,史静平.一种叁维环境中的无人机多路径规划方法[J].西北工业大学学报.2014
[3].李冲.基于Q学习的智能交通预测与多路径规划研究[D].中南大学.2014
[4].刘利强,汪相国,范志超.基于小生境粒子群优化的船舶多路径规划方法[J].计算机工程.2013
[5].韩维,司维超,丁大春,宋岩.基于聚类PSO算法的舰载机舰面多路径动态规划[J].北京航空航天大学学报.2013
[6].周波,钱来,孟正大,戴先中.基于改进遗传算法工业机器人多路径组合规划[J].华中科技大学学报(自然科学版).2011
[7].张大巧,鲜勇,王明海,郑晓龙.基于多路径算法的选飞航迹规划方法研究[J].弹箭与制导学报.2011
[8].高航,梁华为.基于多传感器多路径规划自动泊车系统仿真及实车验证[J].自动化与仪器仪表.2011
[9].王丹.基于粒子群优化的多路径规划方法研究[J].舰船科学技术.2011
[10].胡剑.基于进化神经网络的未知环境下机器人多路径规划研究[D].湘潭大学.2010