基于免疫機(jī)制和多示例學(xué)習(xí)的移動機(jī)器人進(jìn)化導(dǎo)航研究.pdf

1、移動機(jī)器人技術(shù)在空間探測、國防、工業(yè)、農(nóng)業(yè)、醫(yī)學(xué)及社會服務(wù)業(yè)等領(lǐng)域顯示了越來越廣泛的應(yīng)用前景，已成為國內(nèi)外移動機(jī)器人學(xué)術(shù)界研究的熱點(diǎn)。本文針對大范圍環(huán)境、變化環(huán)境和未知環(huán)境，以免疫進(jìn)化和多示例學(xué)習(xí)作為支撐技術(shù)，圍繞移動機(jī)器人在它的運(yùn)動過程中始終需要解決的定位與規(guī)劃二個關(guān)鍵問題進(jìn)行了比較深入的研究，其研究內(nèi)容涉及基于多圖像的定位、并發(fā)定位與建圖、路徑規(guī)劃、進(jìn)化與免疫計算和多示例學(xué)習(xí)等。 本文完成的主要工作和取得的創(chuàng)新性成果如下。

2、 通過分析現(xiàn)有采樣方法和多模函數(shù)優(yōu)化過程中典型的早熟收斂現(xiàn)象，認(rèn)為進(jìn)化計算和免疫算法等智能優(yōu)化算法需要一種以父體兩旁為著重點(diǎn)搜索區(qū)域的采樣范式，并提出使用逆正態(tài)分布進(jìn)行采樣。通過理論分析和實驗，證實了這是一種在跳出局部極值方面有明顯優(yōu)勢的采樣方式。 提出了一種多樣度和適應(yīng)度聯(lián)合引導(dǎo)的選擇、交叉與變異概率適應(yīng)性計算策略；通過實驗和分析，總結(jié)出了選擇壓力與進(jìn)化算法性能之間的密切關(guān)系。通過數(shù)學(xué)分析，證明了二進(jìn)制遺傳算法的變異概率

3、和多樣度之間的數(shù)學(xué)關(guān)系，為多樣度引導(dǎo)的遺傳算法提供了一種變異概率調(diào)整理論和計算方法。 在進(jìn)化計算框架下，融合全局并行搜索的克隆選擇和啟發(fā)式局部搜索的免疫疫苗接種，設(shè)計了一類免疫克隆進(jìn)化算法，并證明了該算法的全局收斂性。以該算法為核心，針對大范圍環(huán)境和變化環(huán)境下的路徑規(guī)劃及未知環(huán)境下并發(fā)定位與建圖等任務(wù)，分別提出了四種嵌入了領(lǐng)域知識的啟發(fā)式免疫操作和進(jìn)化操作的免疫克隆進(jìn)化算法，并研究了各種任務(wù)下隱藏領(lǐng)域知識的提取問題。由于這些算法

4、嵌入了從領(lǐng)域知識中提取出來的啟發(fā)式操作算子，而且核心算法具有全局搜索能力，因此，明顯地提高了這些算法處理相應(yīng)問題的能力。 結(jié)合多示例學(xué)習(xí)問題的固有特性，提出了一種監(jiān)督-非監(jiān)督多示例神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)以負(fù)示例作為監(jiān)督學(xué)習(xí)的教師信息，以正包進(jìn)行非監(jiān)督自組織聚類學(xué)習(xí)。該網(wǎng)絡(luò)訓(xùn)練速度比較快、準(zhǔn)確性較高和具有多概念學(xué)習(xí)能力。利用這些性質(zhì)，設(shè)計了基于多示例學(xué)習(xí)的圖像多候選目標(biāo)識別方法和一種移動機(jī)器人導(dǎo)航方法，并通過移動機(jī)器人進(jìn)行了導(dǎo)航實驗。

5、 針對未知大范圍環(huán)境下移動機(jī)器人定位問題采用了多圖像表達(dá)場景信息，并在此基礎(chǔ)上，提出了使用多示例學(xué)習(xí)的自動發(fā)現(xiàn)能力識別不同場景來進(jìn)行移動機(jī)器人定位的方法。通過移動機(jī)器人實驗實現(xiàn)了多圖像中環(huán)境隱藏特征的自動提取，并在此基礎(chǔ)上實現(xiàn)了未知大范圍環(huán)境下移動機(jī)器人的定位。 總之，本文以融入免疫機(jī)制的進(jìn)化算法和多示例學(xué)習(xí)為工具，研究了移動機(jī)器人定位與規(guī)劃問題，研究了進(jìn)化算法和免疫克隆進(jìn)化算法及多示例學(xué)習(xí)的有關(guān)理論和方法，提出了使用逆正