復雜環(huán)境下基于貝葉斯蟻群算法的機器人路徑規(guī)劃研究.pdf

1、移動機器人路徑規(guī)劃是機器人控制技術的重要基礎問題,這一領域的研究已取得了廣泛的成果。但在實際應用中,移動機器人的工作環(huán)境有許多是復雜的障礙環(huán)境,這類環(huán)境可能存在著大量的陷阱障礙物(如凹形障礙物、死角形障礙物等),在這樣的工作環(huán)境下,機器人路徑規(guī)劃容易陷入局部最優(yōu),可能會產(chǎn)生振蕩、死鎖等問題,從而導致機器人無法尋找到最優(yōu)路徑甚至算法失效。已有的成果并沒有很好的解決這些問題。例如,已有的基于蟻群算法的機器人路徑規(guī)劃算法,僅僅考慮了環(huán)境的先驗

2、信息,沒有對可行節(jié)點周圍的障礙物分布情況進行后驗分析,在遇到陷阱障礙物時,算法很容易陷入局部最優(yōu)并可能出現(xiàn)停滯。為此,本文引入了貝葉斯決策理論的思想,提出了基于貝葉斯決策蟻群算法的機器人路徑規(guī)劃方法,該算法在路徑節(jié)點的選擇上采用貝葉斯模型,通過后驗概率對候選節(jié)點周圍的障礙進行評估,改進了基本螞蟻算法的隨機搜索策略,解決了復雜障礙環(huán)境下蟻群算法容易出現(xiàn)的停滯問題。仿真試驗表明,改進后的算法能夠尋找到更好的全局最優(yōu)解,特別適用于復雜環(huán)境下存

3、在陷阱障礙的機器人路徑規(guī)劃。
　　 在復雜的未知環(huán)境下,基于滾動窗口的算法是常用的算法,但滾動窗口容易出現(xiàn)“振蕩”現(xiàn)象,為了解決這個問題,本文提出了基于貝葉斯決策的滾動窗口算法,引入貝葉斯最小風險決策思想,對候選的局部子目標周圍的障礙環(huán)境進行風險評估,選擇期望風險最低的子目標作為局部最優(yōu)子目標,極大地降低了子目標位于陷阱障礙物內(nèi)或者周圍的可能性,解決了復雜環(huán)境下滾動窗口的“振蕩”問題。仿真試驗結果表明,在具有陷阱障礙的復雜環(huán)境中