基于遗传算法的移动机器人路径规划的研究

论文摘要

移动机器人技术是近年来的研究热点,路径规划技术是移动机器人技术研究中的一个重要领域,也是机器人完成其他复杂任务的必要基础。机器人路径规划是指给定机器人及其工作环境信息,按某一性能指标（例如距离、时间等）搜索出一条从起始状态到目标状态的最优路径或者次优路径。本文中移动机器人路径规划包含的内容是：在静态已知的环境中,依据优化准则,在工作环境中找到一条从起始点到目标点能避开所有障碍物的最优路径或者次优路径。本文首先讨论了现有移动机器人的关键技术和国内外研究状况,介绍了本课题研究领域的背景及意义,并列出了几种常用的移动机器人路径规划理论及算法,并分析了存在的问题。其次阐述了简单遗传算法的数学基础,归纳了其具备的特点和步骤,详细的说明了简单遗传算法的组成,具体分析了当前常用的遗传算子,并简单分析了不同编码方式下遗传算法的收敛性。最后在简单遗传算法的基础上进行了改进。在障碍物多边形的模型中,采用十进制编码的方法,有明确物理意义的适应度函数与遗传算子,通过引用修正算子而且保留最优个体,从而引导遗传算法快速收敛于最优解。定长十进制编码方式克服了已有的变长编码机制及定长二进制编码机制需特殊遗传操作算子和特殊解码的缺陷,使得算法更加简单有效。改进的交叉算子在保证种群多样性的同时,有利于算法的收敛。通过计算机仿真表明该控制方法具有良好的路径规划能力。移动机器人路径规划综合实验是以AS-MF09灭火机器人为实验平台的,其实验结果表明了采用方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 机器人的定义
• 1.2 国内外移动机器人的研究现状
• 1.2.1 国外移动机器人的研究现状
• 1.2.2 国内移动机器人的研究现状
• 1.3 移动机器人的研究领域
• 1.4 移动机器人的路径规划研究内容
• 1.5 本课题的研究意义
• 1.6 本文所做的主要工作和内容安排
• 第二章 移动机器人路径规划理论
• 2.1 路径规划问题概述
• 2.2 传统路径规划算法
• 2.2.1 可视图法
• 2.2.2 栅格法
• 2.2.3 自由空间法
• 2.2.4 启发式搜索
• 2.2.5 人工势场法
• 2.3 智能路径规划方法
• 2.3.1 模糊逻辑算法
• 2.3.2 基于神经网络的路径规划
• 2.3.3 遗传算法
• 2.3.4 蚁群算法
• 2.4 路径规划中常用算法的比较
• 2.5 本章小结
• 第三章 遗传算法
• 3.1 遗传算法概述
• 3.2 遗传算法模式定理
• 3.3 遗传算法的特点和步骤
• 3.4 遗传算法的组成
• 3.5 遗传算法的收敛性与编码
• 3.6 本章小结
• 第四章 基于遗传算法的移动机器人路径规划
• 4.1 环境信息的建立
• 4.2 路径编码方法
• 4.3 适应度函数
• 4.4 初始种群的生成
• 4.5 遗传操作
• 4.5.1 选择算子
• 4.5.2 交叉算子
• 4.5.3 变异算子
• 4.5.4 修正算子
• 4.5.5 优化算子
• 4.6 基于遗传算法的移动机器人路径规划算法
• 4.7 仿真实验结果及分析
• 4.8 本章小结
• 第五章 移动机器人路径规划综合实验
• 5.1 实验平台简介
• 5.1.1 AS-MF09灭火机器人简介
• 5.1.2 无线通信系统
• 5.1.3 上位机编程环境
• 5.2 VJC开发版
• 5.3 基于遗传算法的移动机器人路径规划实验
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 工作展望
• 参考文献
• 攻读硕士学位器件发表的论文