改進粒子群優(yōu)化算法在路徑優(yōu)化中的應用.pdf

1、近些年，隨著人工智能的發(fā)展，機器人在現(xiàn)代生活中的應用越來越廣泛（例如工業(yè)、農業(yè)、醫(yī)療、航空航天等方面）。而路徑優(yōu)化則是機器人實施各種操作最基本的環(huán)節(jié)，其本質是在充滿障礙物的環(huán)境中，按照一定的技術指標（例如:路徑最短，時間最少，花費最小等），找到一條滿足特定技術指標的從起點到終點和障礙物之間無碰撞的路徑。本課題主要從以下幾個方面來討論該問題:
　　(1)優(yōu)化環(huán)境的選擇:通常情況下，路徑優(yōu)化環(huán)境狀態(tài)通常分為靜態(tài)環(huán)境和動態(tài)環(huán)境，靜態(tài)環(huán)境

2、一般是指障礙物不隨著時間的變化而變化，而動態(tài)環(huán)境則是指障礙物隨著時間的變化而變化。本課題是從基礎出發(fā)，選擇靜態(tài)環(huán)境作為研究背景，研究該狀態(tài)下路徑優(yōu)化的一般過程。
　　(2)問題的處理:路徑優(yōu)化問題通常涉及的優(yōu)化指標并不僅僅只有一個，在本課題中主要考慮安全性指標和路徑最短指標。這兩個優(yōu)化指標可以整體作為單目標來處理，此時用總的懲罰函數(shù)來對該問題進行評價。在前期的工作中主要使用靜態(tài)懲罰函數(shù)，而后期在克服靜態(tài)懲罰函數(shù)缺點的基礎上用動態(tài)函

3、數(shù)對問題進行闡述。另一方面，由于評價指標的非單一性，可以應用多目標優(yōu)化來處理該問題。由于最短路徑、路徑安全性這兩個指標是相互矛盾并且不能同時滿足的，那么就需要一些方法來滿足不同使用者的需求，因此在本課題后期工作中把這些優(yōu)化指標看成多目標問題。多目標優(yōu)化能夠實現(xiàn)同時對多個目標的優(yōu)化，并對這些目標進行協(xié)調，設計者選擇的算法每運行一次都會產生一組Pareto最優(yōu)解，使用者可以根據(jù)自己對優(yōu)化指標的要求來選擇合適的解。
　　(3)曲線的選擇

4、:在路徑優(yōu)化中確保產生路徑的光滑性是機器人導航過程中至關重要的條件。目前，大多數(shù)的研究者致力于尋找最短路徑、最小時間花費的路徑、最安全的路徑等，但這些條件往往會使產生的路徑不連續(xù)或者不光滑等，因此尋找合適的曲線來描述路徑具有很重要的意義。用于描述路徑的曲線有多種，例如:Bezier曲線、Ferguson曲線、η3曲線等，本課題用Bezier曲線、Ferguson曲線和η3曲線進行比較，通過不同曲線在路徑優(yōu)化中的應用，得出比較適合問題的曲

5、線，以在之后的應用中用該曲線來描述路徑。
　　(4)路徑優(yōu)化的方法:路徑規(guī)劃的方法有多種，傳統(tǒng)的方法有柵格法、人工勢場法等。近些年來，啟發(fā)式算法、人工智能算法等逐漸應用到路徑規(guī)劃中。粒子群優(yōu)化算法由于其具有個體數(shù)目少、計算簡單、全局尋優(yōu)能力強、收斂速度快、魯棒性好等特點，在各類多維連續(xù)空間優(yōu)化問題上均取得非常好的效果。為了克服標準粒子群優(yōu)化算法存在的缺點，本課題提出一種改進粒子群優(yōu)化算法—動態(tài)多組群粒子群優(yōu)化算法(DMS-PSO)