基于改进A*算法的可行性路径搜索及优化

针对路径搜索和路径优化问题，提出了一种改进的A＊搜索算法。对估价函数予以加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速地逃离障碍物陷阱，使得算法在未知环境中能有效准确地找到可行性路径，并对可行性路径进行了优化，得到最短路径。仿真实验证明了算法的有效性和适应性。     

基于探索区域扩张策略的Q-学习算法

针对Q-学习算法中探索与利用之间的平衡问题，在基于Metropolis准则的Q-学习的基础上，提出了基于探索区域扩张策略的Q-学习改进算法。消除了初始时刻在整个环境中加入探索的盲目性。提高了学习效率。通过加入算法的自主学习结束条件，避免了找到最优路径后的重复学习，节省了学习时间。仿真实验证明了该算法的有效性。     

移动机器人PT视觉监控多目标策略与实现

提出了一种多动态目标的监控模型，设计了目标监控优先级的计算方法和动态扫描队列的实现算法。并利用粗糙集理论的约简算法求得最小目标监控规则集，实现了仅利用单个PT(pan-tilt)摄像机对多个动态目标的实时监控。所进行的实际机器人动态环境实验，验证了提出方法的有效性和实用性。通过对实际和计划监控几率的比值分析说明了监控策略的合理性。