摘要：随着科技的高速发展和近几年新冠疫情的影响,医疗配送机器人开始逐步出现在各大医疗机构中,然而传统医疗配送机器人在使用人工势场算法进行路径规划时存在局部最优解和目标不可达问题。因此,针对局部最优解问题,提出了设计虚拟目标点的方法,将机器人从局部最优状态解救出来;针对目标不可达问题,在障碍物斥力势场函数中引入了目标距离函数对障碍物斥力进行限制,从而解决目标不可达问题。最后将该方法在多种复杂环境中与传统算法进行比较验证,实验结果表明,该改进算法能够解决传统算法存在的局部最优解和目标不可达问题,在算法效率上也提高了5%~9%,并且能够有效运用于实际场景。

摘要：本文就结构优化设计中的疑难问题——如何判定局部最优与全局最优解的问题,介绍了一些解决方法,即通过对一些重要的非凸问题的讨论证明了其凸性的存在,一旦被考虑问题己知是凸规划问题,则全局最优解就一定能实现。

摘要：针对复杂局部环境中机器人实时自主导航问题,设计了"双向搜索多边形构造算法"和"基于势场函数的机器人运动控制器"."双向搜索多边形构造算法"能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;"基于势场函数的机器人运动控制器"是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题.与"沿墙走算法"、"人工势场法"等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围.

摘要：为保证移动机器人以最短路径遍历多目标点,该文提出一种基于离散头脑风暴的多目标点路径规划算法。首先,考虑障碍物对路径规划的影响,将目标点间的最短避障距离作为评判依据,提高规划路径合理性。其次,针对传统离散头脑风暴算法在解决组合类优化问题时提前陷入局部最优的问题,提出一种启发式自适应路径优化策略,通过设计与迭代次数相关的适应度选择函数以及改进启发式交叉算子,增加路径多样性和提高算法收敛速度。基于栅格法建立地图模型,在不同环境地图中选取多个目标进行对比仿真,验证所提算法的有效性以及对不同环境的适应性。

摘要：为解决单向快速探索随机树(rapid exploring random tree,RRT)算法路径规划效率低且易陷入局部极小点的问题,提出了一种自适应启发式多快速探索随机树(adaptive heuristic multiple rapid exploring random tree,AHMRRT)路径规划算法.一方面,基于多随机树构建策略的AHMRRT算法可以在起始点、目标点、子目标点生成4棵随机树,同时进行扩展搜索,从而提高路径规划效率;另一方面,通过在单棵随机树生长过程中添加自适应启发式偏置因子,AHMRRT算法可以根据环境中障碍物的情况自适应地改变新节点的生成策略.探索自由空间时,该算法可以在偏置因子的作用下迅速向目标点扩展以提高搜索效率;探索多障碍物空间时,该算法将调用随机采样函数以防止落入局部最优.在仿真实验中,设计了4种环境下AHMRRT算法与随机概率目标快速探索随机树(probability goal RRT,PGRRT)、双向快速探索随机树(bidirectional RRT,BRRT)算法的对比实验,仿真实验结果证明了该算法的可行性和高效性.

摘要：为解决持续爆破算法寻优精度低、易陷入局部最优等问题,提出一种多策略改进的持续爆破算法。在阶段寻优过程中,基于历史阶段最优解提出新的动态爆破半径,提高算法的寻优精度;通过对阶段最优解进行反向变异提高算法跳出局部最优的能力。通过阶段局部最优解向阶段最优解的方向移动的策略更新种群位置,实现种群信息的有效交互。实验结果表明,改进算法的寻优精度和收敛速度明显提升,在求解高维函数优化问题时也有较好的寻优表现。

摘要：任务调度模型的设计决定感知系统的性能优劣,对系统的感知效率有重要影响,众多学者对该问题进行深入研究,提出多种任务调度算法。针对移动群智系统中任务调度这一重要问题,就当前研究进行综述。介绍移动群智感知系统中任务调度模型的影响因素、优化目标;对任务调度模型的分类以及常见的实现算法进行对比总结;对未来研究方向进行展望。

摘要：针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。

摘要：针对果蝇优化算法解决高维复杂问题时存在的早熟收敛问题,提出一种自适应搜索云逃逸的果蝇优化算法.分析了果蝇优化算法恒定步长会影响算法的寻优精度,以算法的迭代步值为引导因子设计自适应的搜索方式,协调算法全局搜索与局部搜索的能力.在算法搜索后期,为避免种群多样性过早丧失而导致求解问题陷于局部最优解,以云模型为基础设计云逃逸机制协助算法跳出局部限制进行深度搜索.对10个不同优化问题的实验表明：所提算法从求解精度、收敛速度以及稳定性方面都具有更良好的性能.

摘要：为研究高原特长隧道跟驰特性及驾驶人决策行为,优化隧道路段限速值,在云贵高原地区特长隧道进行了实车跟驰试验.基于采集跟驰数据,分析驾驶人在高原特长隧道的驾驶决策行为并得到加减速决策模型;提出隧道跟驰过程中驾驶人局部效用最优概念,通过安全跟驰距离模型、驾驶人感知速度模型及驾驶人决策模型,建立局部最优的驾驶人动态决策跟驰模型,仿真驾驶人在隧道路段上的最优决策行为.研究结果表明:在高原特长隧道进口段及出口段,驾驶人趋于选择更大的跟驰距离;基于局部最优的驾驶人动态决策跟驰模型,能较好地仿真最优跟驰行为,得到隧道路段最优决策速度并作为最高限速值.本文结论为改善高原特长隧道路段行车安全状态提供了理论支撑.