智能計算在移動機器人路徑規(guī)劃中的應用.pdf

1、本文針對智能計算在移動機器人路徑規(guī)劃問題中的應用進行探討。分析和總結了該領域現(xiàn)有算法之間的區(qū)別以及它們各自的不足，并根據(jù)這些不足提出了相應的改進算法。通過計算機仿真實驗驗證了這些改進型算法的有效性和相對與原算法的性能提高。根據(jù)這些內容出現(xiàn)的先后順序，本文工作摘要如下： 1．移動機器人路徑規(guī)劃與智能計算綜述 論述移動機器人路徑規(guī)劃的發(fā)展歷史與研究現(xiàn)狀，對現(xiàn)有的路徑規(guī)劃算法作出分類。介紹智能計算在移動機器人路徑規(guī)劃中應用。以

2、標準遺傳算法和蟻群算法分別作為進化計算和群集智能的代表，描述了它們的基本原理與框架。并以偽代碼的形式給出了標準遺傳算法和求解TSP問題的蟻群算法的算法流程。 2．遺傳算法在移動機器人路徑規(guī)劃中的應用與改進 介紹遺傳算法應用于機器人路徑規(guī)劃問題的研究現(xiàn)狀，分析現(xiàn)有算法存在的不足，并針對這些不足之處提出改進型遺傳算法。根據(jù)環(huán)境模型的不同，分為連續(xù)空間下的改進型遺傳算法和柵格模型下的改進型遺傳算法。在連續(xù)空間下的改進型算法中，

3、通過矢量染色體編碼實現(xiàn)了算法搜索空間和機器人運動空間的同一，進而使得地圖建模過程可以省略。同時，以矢量染色體編碼作為基礎，對遺傳算子的設計進行優(yōu)化，提出了考慮交叉點位置優(yōu)化的多點交叉算子、將障礙物分布信息作為約束條件的變異算子、以及考慮操作位置優(yōu)化的插入算子和刪除算子。在柵格模型中，本文引入了離散化的矢量染色體編碼方案，使得柵格模型下的染色體表示和連續(xù)空間下的染色體表示具有了統(tǒng)一性，從而連續(xù)空間下的改進型遺傳算子可以繼續(xù)使用于柵格模型下

4、。通過這些改進型遺傳算子的使用，算法的進化效率顯著提高。計算機仿真結果證明了改進型算法的性能優(yōu)勢。 3．蟻群算法在移動機器人路徑規(guī)劃中的應用與改進 介紹蟻群算法應用于機器人路徑規(guī)劃問題的研究現(xiàn)狀，分析存在的不足之處，并針對采用旋轉柵格模型的蟻群算法提出改進。通過引入反向運動機制、雙向信息素記錄、信息素節(jié)點分布方式、節(jié)點訪問記錄、能見度信息分段化處理、附加信息素機制等措施，成功的擴展了以該模型為基礎的蟻群算法在路徑規(guī)劃問題