基于遗传算法的多足球机器人路径规划

论文摘要

多机器人系统是基于通讯技术、控制理论、计算机技术、图像处理、人工智能等各门学科发展起来的,足球机器人是典型的多机器人系统,该系统具有动态环境、多个智能体之间协调协作等特点,可以深入研究和评价多智能体系统中的各种理论与算法。本文以微软仿真足球机器人系统为平台,分析了仿真足球机器人的系统结构,研究了仿真足球机器人系统的决策系统,针对机器人系统的决策系统提出了基于分区的四层决策模型,该模型由信息处理层、分区决策层、路径规划层及运动层组成,并提出在运动规划层的实现中,若只考虑到路径最短的原则,容易出现机器人互顶、撞车以及飞车的现象,这影响了机器人的比赛进程以及取得比赛的胜利,针对上述问题,本文提出了基于遗传算法的多机器人路径规划的方法。本文提出了基于遗传算法的寻优路径策略,以避障和路径较短为主要优化目标,设计了用于遗传算法的适应度函数,对机器人路径进行优化,通过对随机产生的初始路径种群进行选择、交叉、变异,并考虑到路径的连贯性,遗传算法产生的路径为折线段,加入平滑、插入与删除操作,利用遗传算法的优胜劣汰、适者生存的自然选择原理,选择出适应值最大的一条路径为最优路径。本文将基于遗传算法的寻优路径策略应用于微软仿真足球机器人平台,实现了运动规划层的有效避障。首先将该策略应用于足球机器人静态路径规划,在此基础上,利用遗传算法与路径最短算法相结合的算法,用静态的方法解决多足球机器人动态路径规划问题,每当机器人移动到新的目标点时,判断遗传算法与路径最短算法哪种合适新的环境,规划出新的路径,最终机器人能有效的到达目标点。论文最后分析了基于遗传算法的足球机器人静态路径规划及多足球机器人动态路径规划在微软仿真平台的实验结果,通过与其它算法的比较,验证了基于遗传算法的足球机器人路径规划具有有效避障的特点。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 足球机器人发展
• 1.2 足球机器人系统
• 1.2.1 微型足球机器人系统
• 1.2.2 仿真足球机器人系统
• 1.3 机器人的路径规划问题
• 1.3.1 路径规划对足球机器人系统的意义
• 1.3.2 多机器人路径规划的方法
• 1.4 本文研究内容及组织结构
• 2 仿真足球机器人系统
• 2.1 仿真平台
• 2.2 仿真足球机器人决策系统
• 2.2.1 机器人的六步推理模型
• 2.2.2 分层递阶决策模型
• 2.3 基于场地分区的四层决策模型
• 2.3.1 足球机器人信息处理层
• 2.3.2 足球机器人分区决策层
• 2.3.3 足球机器人路径规划层
• 2.3.4 足球机器人运动层
• 2.4 本章小结
• 3 遗传算法
• 3.1 遗传算法的简介
• 3.2 遗传算法的原理
• 3.3 基本的遗传操作
• 3.4 遗传算法的特征
• 3.5 本章小结
• 4 基于遗传算法的多足球机器人路径规划
• 4.1 场地模型
• 4.2 机器人运动的数学模型
• 4.3 初始化路径点种群
• 4.4 路径的编码
• 4.5 适应度函数的确定
• 4.5.1 避障适应度函数
• 4.5.2 路径最短适应度函数
• 4.5.3 路径平滑适应度函数
• 4.5.4 综合适应度函数
• 4.6 遗传操作算子
• 4.6.1 选择
• 4.6.2 交叉
• 4.6.3 变异
• 4.6.4 平滑
• 4.6.5 删除、插入
• 4.7 本章小结
• 5 基于遗传算法的多足球机器人路径规划在仿真平台的应用
• 5.1 软件环境
• 5.2 仿真实验及结果分析
• 5.2.1 基于遗传算法的多足球机器人静态路径规划实验
• 5.2.2 基于遗传算法的多足球机器人动态路径规划实验
• 5.3 本章小结
• 6 总结与展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文