论文摘要
随着科学技术的飞速发展,机器人学的研究已经从最初的工业领域拓展到航空航天、军事、民用等各领域,对于那些不适合人类直接参与的作业环境,需要机器人能够自主地完成各种智能任务。有效的环境探索是机器人创建环境地图及完成各种复杂任务的关键,在实际应用中具有十分重要的意义。与单个机器人相比,多移动机器人系统具有明显优势。然而,多机器人环境探索策略的制定比单个机器人困难得多,各机器人间存在着组织和协调问题。本文主要针对未知环境下的多机器人系统协同环境探索的策略进行了研究。本文首先对多移动机器人系统环境探索的相关内容以及研究现状等进行了综述性介绍,并对本文的选题背景和主要内容作了阐述。其次,针对多机器人环境探索中如何分配多目标点的组合优化问题,前人提出了基于决策理论的分配方法,但此法存在计算量大和时效性差的问题,文中提出了一种基于单纯遗传算法的目标分配策略,利用遗传算法的全局搜索特性来提高求解速率。但由于单纯遗传算法易于早熟收敛,文中进一步提出了基于改进的遗传算法的目标分配策略,不仅利用了基于相似矢量距的选择概率计算方法来保证抗体的多样性,并且引入自适应遗传算法的思想来实现自适应地调节交叉和变异概率。第三,考虑到集中式结构的弊端和多机器人系统的可扩展性,本文借鉴生物免疫系统的分布式结构和自适应平衡特性,建立起动态分布式的多移动机器人系统,并结合人工免疫中抗原与抗体、抗体与抗体间的相互作用机制,提出了一种基于免疫原理的多机器人组网探索策略。第四,为了进一步优化多机器人环境探索的行为策略,本文在研究克隆选择原理的基础上,提出了一种改进的克隆选择算法,选用实数编码的候选解为抗体,采用可自适应调整的克隆操作和柯西变异算子,以提高对局部解的搜索能力和保证抗体群的多样性。文中提出的算法都通过仿真平台下的多次实验进行了验证和对比。最后对本论文做出总结,并指明需要进一步研究的工作。
论文目录
摘要ABSTRACT缩略语第一章 绪论1.1 引言1.2 研究现状1.2.1 多移动机器人环境探索的研究历程及现状1.2.2 代表性研究工作1.2.3 多机器人协同环境探索中存在的问题1.3 本文选题背景及结构第二章 基于单纯遗传算法的多移动机器人协同探索策略2.1 引言2.2 多机器人选择多目标点的组合优化问题2.2.1 目标点的定义2.2.2 花费的定义2.2.3 效用值的定义2.2.4 基于迭代运算的分配策略2.3 基于单纯遗传算法的目标分配策略2.3.1 遗传算法简介2.3.2 染色体编码及初始种群的产生2.3.3 适应度函数2.3.4 三种遗传操作2.4 仿真实验结果与分析2.4.1 仿真实验的简化设定2.4.2 三种环境下的实验结果2.4.3 实验结果分析2.5 本章小结第三章 基于改进遗传算法的多移动机器人协同探索策略3.1 免疫遗传算法简介3.2 初始化操作3.2.1 染色体编码及初始种群的产生3.2.2 抗原输入3.3 基于相似性矢量距的选择操作3.4 自适应的交叉和变异操作3.5 基于免疫遗传算法的目标分配策略3.6 仿真实验结果与分析3.7 本章小结第四章 基于免疫网络理论的分布式多机器人环境探索策略4.1 引言4.2 生物免疫系统的基本原理4.2.1 免疫学的基本概念4.2.2 生物免疫系统的功能4.2.3 生物免疫系统的特点4.2.4 生物免疫系统的工作原理4.3 生物免疫系统与人工免疫系统4.4 人工免疫系统概述4.4.1 人工免疫系统的定义和研究范围4.4.2 人工免疫系统的发展4.4.3 人工免疫网络模型4.5 基于免疫基理的分布式多机器人环境探索系统4.5.1 引言4.5.2 免疫原理在多机器人系统中的应用4.5.3 分布式多机器人组网探索策略4.5.4 基于免疫的子网内多机器人的协作4.5.5 基于免疫网络的目标分配算法描述4.6 仿真实验结果与分析4.7 本章小结第五章 基于改进的克隆选择算法的多机器人协同决策机制5.1 引言5.2 关于克隆选择的主要理论5.2.1 克隆选择算法的基本原理5.2.2 克隆选择算法5.2.3 克隆选择在优化中的应用5.3 基于改进的克隆选择算法的多机器人协同决策机制5.3.1 几个基本概念及术语的定义5.3.2 几种操作算子5.3.3 算法描述5.4 仿真实验结果与分析5.5 五种算法的比较5.6 本章小结结论参考文献致谢个人简历与研究成果学位论文评阅及答辩情况
相关论文文献
标签：多机器人论文; 环境探索论文; 免疫遗传论文; 分布式论文; 克隆选择论文;
