基于进化算法的移动机器人路径规划研究

论文摘要

路径规划是移动机器人的一个重要问题,它使得机器人在环境中根据相应的策略到达目标点。路径规划也是一个很复杂的问题,不仅要寻求一条无碰撞的最短路径,而且还要求该路径尽可能平滑并满足一定的安全性。围绕路径规划,学者们进行了大量的研究工作。进化算法作为一种模拟生物优胜劣汰过程的智能搜索和优化算法有着非常广泛的应用前景。本文主要从进化算法的角度来研究机器人的路径规划,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。论文首先全面评述了传统优化算法和现代智能算法在移动机器人路径规划中取得的研究成果和存在的不足,并在此基础上提出了将混沌变异和遗传算法相结合的综合解决方法,结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象。在机器人路径规划算法中,本文还提出了一类新的进化算法,即分布估计算法。该算法在具有良好收敛性能的同时,具有很好的维持群体多样性的能力。由于算法采用了概率模型比较简单,在进化的过程中估计概率分布时不用学习变量间复杂的结构信息,因此它们的计算复杂度较低、速度比较快。在路径规划算法的研究中实验具有重要的作用一般用来验证算法在实际环境下的各种性能并可用于对不同算法进行性能比较。本文最后还设计实施了在实际环境下的路径规划实验,用来验证文章中设计的两种算法的实际效用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 概述
• 1.2 课题研究意义
• 1.3 国内外研究现状
• 1.4 本文的主要研究内容及结构安排
• 第二章 移动机器人路径规划技术
• 2.1 路径规划的定义
• 2.2 路径规划主要问题及其特点
• 2.3 路径规划方法的分类
• 2.3.1 传统路径规划方法
• 2.3.2 智能路径规划方法
• 2.4 路径规划算法的评价标准
• 2.5 路径规划问题的环境表达
• 2.5.1 环境建模方法
• 2.5.2 静态环境建模
• 2.5.3 动态环境建模
• 2.6 本章小结
• 第三章 进化算法
• 3.1 进化算法概述
• 3.2 进化算法的特点
• 3.3 主要进化算法
• 3.3.1 遗传算法
• 3.3.2 进化策略
• 3.3.3 进化规划
• 3.3.4 分布估计算法
• 3.4 本章小结
• 第四章 基于混沌遗传算法的路径规划
• 4.1 混沌理论的基本描述
• 4.1.1 混沌定义
• 4.1.2 混沌模型
• 4.2 基于CGA 路径规划方法
• 4.2.1 建模与编码方式
• 4.2.2 群体初始化
• 4.2.3 混沌扰动确定
• 4.2.4 路径评价
• 4.2.5 优化算子
• 4.2.6 终止条件
• 4.2.7 参数设置
• 4.2.8 路径规划步骤
• 4.3 仿真试验
• 4.4 本章小结
• 第五章 基于分布估计算法（EDA）的路径规划
• 5.1 分布估计算法（EDA）
• 5.2 建模与编码方式
• 5.3 群体初始化
• 5.4 适应度函数的选取
• 5.5 平滑路径
• 5.6 路径规划步骤
• 5.7 仿真实验
• 5.8 本章小结
• 第六章 移动机器人路径规划试验分析
• 6.1 移动机器人系统介绍
• 6.2 移动机器人路径规划及避障实验
• 6.3 本章小结
• 第七章 总结与展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文