基于蚁群算法的机器人路径规划及其在港口上的应用探讨

论文摘要

由于我国经济的持续快速发展，对外贸易越来越频繁，给港口物流业带来了前所未有的机遇和挑战。这就需要港口提高效率，加快发展，这就对港口的自动化作业提出了很高的要求。港口机器人的研究正是基于此背景提出的。因此，作为机器人智能的一个重要因素——路径规划就显得尤为重要。路径规划是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。移动机器人的路径规划是一种比较典型的优化问题，本身具有复杂性、约束性、非线性等特点。而港口自身的状况也很复杂，因此要想实现港口机器人的自主行进，就需要采用一种高效的路径规划算法。蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法，它的正反馈性和协同性使其可用于分布式系统，它在解决组合优化问题上有着良好的适应性，隐含的并行性更使其具有极强的发展潜力。因此将其应用到智能机器人路径规划中将有很大的潜力。本文首先对蚁群算法做了概述，总结了算法的特点和发展趋势。专门编写了蚁群算法的软件来研究算法中各参数的变化对算法性能的影响。通过大量的试验，总结出eil-51TSP问题取得最优解的最佳参数范围。然后对目前应用较好的蚁群算法——最大最小蚁群算法做了介绍，重点研究了算法的收敛性问题，应用极限的思想得到算法在有限次的迭代后，其收敛概率将达到1，解决了算法的收敛性问题。在研究蚁群算法的基础上，利用栅格法建立环境地图，编写了利用蚁群算法解决机器人路径规划的软件。通过该软件可以在环境地图已知的情况下，快速规划出一条最优路径。该软件对港口机器人的路径规划做了基础性的工作。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 国内外研究现状及发展趋势
• 1.2.1 国内外研究现状
• 1.2.2 发展趋势
• 1.3 本论文课题来源、研究内容和主要内容
• 第2章 蚁群算法研究
• 2.1 概述
• 2.2 蚁群算法原理及算法描述
• 2.2.1 蚁群的自组织行为
• 2.2.2 蚁群算法的原理分析
• 2.2.3 数学模型
• 2.3 蚁群算法的特点
• 2.4 改进的蚁群优化算法
• 2.4.1 蚂蚁系统的优点和不足
• 2.4.2 最优解保留策略蚂蚁系统（ASelite）
• 2.4.3 蚁群系统（ACS）
• 2.4.4 基于排序的蚂蚁系统（ASrank）
• 2.4.5 最大—最小蚂蚁系统（MMAS）
• 2.4.6 各种蚁群优化算法的比较
• 2.5 蚁群算法参数设置
• 2.5.1 AS算法参数设置
• 2.5.2 MMAS参数设置仿真研究
• 第3章 蚁群算法收敛性
• 3.1 蚁群算法收敛性概述
• 3.2 MMAS收敛性分析
• 第4章 机器人路径规划概述
• 4.1 概述
• 4.2 路径规划问题的环境描述
• 4.3 全局路径规划
• 4.3.1 可视图法
• 4.3.2 自由空间法
• 4.3.3 环境地图法
• 4.3.4 栅格法
• 4.4 局部路径规划
• 4.4.1 动态栅格法
• 4.4.2 人工势场法
• 4.4.3 基于行为的路径规划方法
• 第5章 基于蚁群算法的机器人路径规划仿真研究
• 5.1 基于蚁群算法的机器人路径规划
• 5.1.1 算法描述
• 5.1.2 仿真研究
• 5.2 基于蚁群算法的机器人路径规划在港口上的应用探讨
• 5.2.1 港口对象分析
• 5.2.2 港口应用探讨
• 第6章 总结
• 6.1 研究工作总结
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文