混沌优化及其在路径规划中的应用研究

论文摘要

混沌是一种普遍存在的非线性现象，其行为复杂且类似随机，但又存在精致的内在规律性。混沌优化就是利用混沌运动的随机性、遍历性和规律性寻求最优点。同时由于实际工程中常存在非线性、强约束、随机性、大规模等特点，而且往往存在局部极小，使系统中的实际问题远远超出了传统优化算法的研究范围。混沌优化（COA）算法克服了上述常用优化方法的缺点，具有混沌运动的独有的特性，这使混沌搜索能在一定范围内按其自身的“规律”不重复地遍历每一个状态，而在遇到局部极小时比传统优化方法更容易跳出来。因此利用混沌具有的遍历、随机等种种特性，本文的主要研究工作以此展开：1，对优化算法进行简要介绍，为混合优化算法提供理论依据。然后将混沌优化用于粒子群算法和神经网络的训练中去，并用大量的数值实验，对混合优化算法进行测试，均得到很好的优化效果。2，在对路径规划进行介绍分析的基础上，阐述经典人工势场法路径规划原理，并通过仿真将其成功应用与路径规划中去。同时根据仿真中的特殊情况。分析传统人工势场方法存在的缺陷，并提出改进方法。3，针对人工势场法的缺点，引入混沌优化策略，建立新的斥力场函数，确保目标点为整个势场的全局最小点，使得机器人能够顺利到达目标。仿真和实验均表明，该方法能有效地实现机器人路径规划该方法解决了传统人工势场法存在局部最优点问题，以及在相近障碍物间不能发现路径、在狭窄通道中摆动等缺陷。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 课题研究意义
• 1.2.1 混沌优化
• 1.2.2 路径规划
• 1.3 论文研究内容
• 1.4 论文的结构安排
• 第2章 混沌与混沌优化
• 2.1 混沌的定义及其特征
• 2.1.1 混沌的定义
• 2.1.2 混沌的基本特性
• 2.2 Logistic 映射
• 2.2.1 Logistic 映射的数学描述
• 2.2.2 Logistic 映射的 Lyapunov 指数分析
• 2.3 优化理论
• 2.4 混沌优化算法原理
• 2.5 本章小结
• 第3章 混沌优化算法研究
• 3.1 粒子群算法
• 3.1.1 算法简介
• 3.1.2 算法流程
• 3.2 混沌粒子群优化算法
• 3.3 改进的混沌优化粒子群算法
• 3.4 PSO,CPSO,IWPSO 算法的仿真结果比较
• 3.5 混沌优化神经网络的训练
• 3.5.1 神经网络的学习算法
• 3.5.2 混沌优化神经网络学习算法
• 3.5.3 仿真结果与分析
• 3.6 本章小结
• 第4章 移动机器人路径规划的仿真研究
• 4.1 移动机器人路径规划
• 4.1.1 基于地图的全局路径规划
• 4.1.2 基于传感器的局部路径规划
• 4.1.3 混合型方法
• 4.2 人工势场法原理
• 4.2.1 势场函数的构建
• 4.2.2 斥力场函数构建
• 4.2.3 引力场函数构建
• 4.2.4 人工势场法特点与改进
• 4.3 人工势场法仿真
• 4.3.1 无障碍物的路径规划
• 4.3.2 单障碍物的路径规划
• 4.3.3 多障碍物的路径规划
• 4.3.4 路径规划中的特殊情况
• 4.4 混沌人工势场法
• 4.4.1 混沌人工势场法步骤
• 4.4.2 无障碍物的仿真
• 4.4.3 局部稳定情况
• 4.4.4 目标不可达情况
• 4.4.5 复杂情况下的路径规划
• 4.5 本章小结
• 第5章 混沌优化在足球机器人路径规划中的应用
• 5.1 实验平台介绍
• 5.2 实验软件环境
• 5.3 基于混沌优化机制的足球机器人控制
• 5.3.1 小车动力学模型建立
• 5.3.2 基于混沌优化算法的 PID 参数整定
• 5.3.3 结果分析
• 5.4 足球机器人路径规划实验结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 论文主要研究成果与创新点
• 6.2 未来工作展望
• 参考文献
• 个人简历、在读期间发表的学术论文及研究成果
• 致谢