基于改进蚁群算法的移动机器人路径规划问题研究

论文摘要

移动机器人路径规划是机器人技术中一个重要的研究领域,具有复杂性、约束性、非线性等特点。多年来路径规划算法的研究方兴未艾,现有优化算法在解决复杂环境路径规划问题时常伴有鲁棒性差、非最优、效率不高等不足。鉴于蚁群算法自身特点及其对解决离散域组合优化问题的强大优势,本文顺应路径规划算法智能化仿生化的发展趋势,研究设计出了两种新型改进蚁群算法,并应用他们成功地解决了移动机器人路径规划问题,取得了预期的良好效果。论文主要研究工作如下：首先,应用栅格法建立了移动机器人二维和三维栅格环境,针对传统可行路径评价函数的不足,在充分分析不同环境特点的情况下,分别建立了适用于静态和动态环境下的可行路径评价函数。其次,对基本蚁群算法的各参数进行了仿真实验测试,总结归纳出了各参数对算法性能的影响以及相应的设定范围,以便作为后期方法设计的指导,同时给出了基于最短路径的基本蚁群算法的收敛性分析。再次,针对基本蚁群算法搜索收敛速度慢,易陷入局部最优的缺陷,从算法自身和算法混合两个角度,研究设计出了模糊自适应窗口蚁群优化算法FWACO和差分进化混沌蚁群优化算法DECACO,并通过标准TSP问题验证了算法全局寻优能力得到较大提高,算法搜索收敛速度得到较大改善。最后,将FWACO和DECACO应用到移动机器人路径规划问题。利用MATLAB分别对二维和三维环境下的各种不同路障环境进行了大量的仿真研究,取得了良好的实验效果。对于多障碍物复杂环境空间,两种改进算法体现了较强的鲁棒性,较强的全局优化能力,较快的收敛速度,算法复杂度适中效率较高,同时对于不同路障环境又有各自优势,能够较好较快地完成多障碍物复杂环境空间的路径规划任务。

论文目录

• 摘要
• 英文摘要
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 机器人路径规划的研究现状
• 1.2.1 移动机器人研究概述
• 1.2.2 机器人路径规划研究现状
• 1.3 蚁群算法的研究现状与发展趋势
• 1.3.1 蚁群算法的研究现状
• 1.3.2 蚁群算法的发展趋势
• 1.4 本文的主要工作
• 第2章 机器人路径规划环境模型的建立
• 2.1 环境建模概述
• 2.1.1 栅格法
• 2.1.2 几何法
• 2.1.3 拓扑法
• 2.2 栅格法建模
• 2.2.1 二维环境建模
• 2.2.2 三维环境建模
• 2.3 可行路径评价函数的设计
• 2.3.1 静态环境下的评价函数
• 2.3.2 动态环境下的评价函数
• 2.4 本章小结
• 第3章 蚁群算法参数实验与收敛性分析
• 3.1 蚁群算法概述
• 3.1.1 蚁群算法原理分析与数学模型
• 3.1.2 蚁群算法特点与评价指标
• 3.2 蚁群算法参数实验分析
• 3.2.1 算法模型的选择
• 3.2.2 蚂蚁数量的选择
• 3.2.3 信息素强度的选择
• 3.2.4 核心参数的选择
• 3.3 基于最短路径的基本蚁群算法收敛性分析
• 3.4 本章小结
• 第4章 改进算法FWACO与DECACO的设计
• 4.1 算法改进的总体描述
• 4.2 模糊自适应窗口蚁群优化算法（FWACO）的设计
• 4.2.1 FWACO算法的设计
• 4.2.2 FWACO算法流程
• 4.3 差分进化混沌蚁群优化算法（DECACO）的设计
• 4.3.1 DECACO算法的设计
• 4.3.2 DECACO算法流程
• 4.4 仿真测试
• 4.5 本章小结
• 第5章 基于FWACO与DECACO的机器人路径规划
• 5.1 基于改进蚁群算法的机器人路径规划总体方案设计
• 5.2 基于FWACO与DECACO的机器人路径规划算法设计
• 5.2.1 改进蚁群算法基本环节的处理
• 5.2.2 基于FWACO的路径规划算法设计
• 5.2.3 基于DECACO的路径规划算法设计
• 5.3 基于FWACO与DECACO的机器人路径规划仿真实验
• 5.3.1 二维栅格环境路径规划
• 5.3.2 三维栅格环境路径规划
• 5.3.3 仿真实验结果总结
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 前景展望
• 参考文献
• 致谢