基于遗传和蚁群算法的机器人路径规划研究

论文摘要

移动机器人的研究开始上个世纪60年代末期,是人工智能、机器人学、仿生学、控制理论和电子技术等多种技术学科交叉的产物。随着科技的发展和社会的进步,机器人已经走出实验室,在深海勘测、汽车制造、医学科研、能源开采、军事现代化等领域中都占有着其不可取代的位置。机器人的应用越来越广,越来越深入,各应用领域对机器人的要求也越来越高,因而移动机器人的研究逐渐成为趋势,成为高新技术应用领域的热点。目前,对于移动机器人相关技术的研究,虽然已取得了大量的成果和突破性的进展,但是在很多关键理论和实际问题上,还有待解决和完善。因此,进行移动机器人相关技术的研究,实现移动机器人的全智能化具有非常重要的现实意义。本文以移动机器人建模与仿真和路径规划为研究任务,主要研究移动机器人路径规划的智能算法及应用。首先,介绍了机器人发展简史、分类、定义和移动机器人技术,对国内外机器人路径规划的研究现状、研究方法、及关键技术等进行了系统的归纳和总结,分析了其各自优点和不足之处,为本论文的研究工作奠定了重要的基础。然后,介绍了几种传统的移动机器人建模和路径规划的方法,重点介绍了智能算法在机器人路径规划中的应用。其次,研究遗传算法和蚁群算法在机器人路径规划方面的应用。一方面,本文介绍了遗传算法的基本原理,针对路径规划问题的特点,对算法的各个环节进行了细致的分析,包括地图环境的建立,染色体的表示和编码、适应度函数的设计,遗传操作算子的设计,算法参数的分析和选取。提出了将Floyd算法和遗传算法相结合的综合解决方法。通过将Floyd算法得到的初始结果进行优化,得到近似最优路径。通过算例仿真得知,经过智能算法的优化优于单一算法,具有很强的鲁棒性、寻优速度快、收敛性强等特点。另一方面,本文分析了蚁群算法的原理、模型,以及参数的设置,利用栅格法建立环境地图,对机器人路径规划进行分析,并通过动静态环境规划仿真实验,得到比较好的效果。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 机器人的概述
• 1.1.1 机器人的定义
• 1.1.2 机器人的组成
• 1.1.3 机器人的分类
• 1.2 国内外移动机器人的研究现状
• 1.2.1 移动机器人技术
• 1.2.2 国内外移动机器人技术的现状
• 1.3 课题研究的重要意义
• 1.4 本论文的主要工作
• 1.5 论文的结构
• 第2章 移动机器人路径规划
• 2.1 移动机器人导航
• 2.2 机器人导航方式
• 2.2.1 机器人导航相关技术
• 2.2.2 机器人导航技术发展
• 2.3 移动机器人的路径规划
• 2.3.1 传统路径规划方法
• 2.3.2 智能路径规划方法
• 2.4 本章小结
• 第3章 基于遗传算法的机器人路径规划研究
• 3.1 遗传算法
• 3.1.1 遗传算法的概念
• 3.1.2 遗传算法的表示
• 3.1.3 遗传算法的基本步骤
• 3.1.4 遗传算法的参数
• 3.2 基于遗传算法的路径规划
• 3.2.1 规划环境的拓扑建模
• 3.2.2 基于遗传算法的路径规划设计
• 3.2.3 遗传算法的收敛性分析
• 3.3 仿真模拟及结论
• 3.4 本章小结
• 第4章 基于蚁群算法的机器人路径规划研究
• 4.1 蚁群算法的基本原理
• 4.2 基于蚁群算法的机器人路径规划
• 4.2.1 环境建模
• 4.2.2 算法的简单描述
• 4.2.3 算法步骤
• 4.3 算法性能分析
• 4.4 仿真模拟实验及结论
• 4.5 本章小结
• 第5章 总结及展望
• 5.1 总结
• 5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文及参与的科研项目