基于神經(jīng)網(wǎng)絡(luò)集成的進(jìn)化機(jī)器人行為方法研究.pdf

1、進(jìn)化機(jī)器人是嵌入了進(jìn)化算法的具有較強(qiáng)環(huán)境適應(yīng)能力的機(jī)器人，屬于智能機(jī)器人研究領(lǐng)域新的研究方向，能夠很好的解決移動(dòng)機(jī)器人學(xué)習(xí)與適應(yīng)能力方面的問(wèn)題。本文基于進(jìn)化神經(jīng)網(wǎng)絡(luò)，對(duì)機(jī)器人硬件進(jìn)化(EHw)的兩個(gè)方面一形態(tài)的進(jìn)化和基于FPGA的電子電路的進(jìn)化進(jìn)行了系統(tǒng)的研究。 現(xiàn)有進(jìn)化算法搜索時(shí)間長(zhǎng)，進(jìn)化速度慢，往往不能進(jìn)化出個(gè)體行為的最優(yōu)解，本文利用神經(jīng)網(wǎng)絡(luò)集成顯著的泛化性和個(gè)體成員網(wǎng)絡(luò)的差異性，提出了基于集成系統(tǒng)的并行進(jìn)化學(xué)習(xí)算法。本文定

2、義了機(jī)器人傳感器組，每一個(gè)傳感器組最小結(jié)構(gòu)對(duì)應(yīng)于一種神經(jīng)網(wǎng)絡(luò)，通過(guò)進(jìn)化成員網(wǎng)絡(luò)的權(quán)值、結(jié)構(gòu)、學(xué)習(xí)規(guī)則得到最優(yōu)的行為個(gè)體。仿真實(shí)驗(yàn)證明了基于神經(jīng)網(wǎng)絡(luò)集成系統(tǒng)的并行學(xué)習(xí)算法的有效性，相比較于傳統(tǒng)的單網(wǎng)絡(luò)控制器的設(shè)計(jì)方法，本文所提出的算法具有更高的學(xué)習(xí)效率和進(jìn)化能力。 本文結(jié)合自主避障的進(jìn)化實(shí)驗(yàn)，對(duì)神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)進(jìn)行了探討，提出了一種神經(jīng)元連接方式，從輸入層到中間層采用串行連接，從中間層到輸出層采用并行連接，并對(duì)遺傳算法進(jìn)化神經(jīng)網(wǎng)

3、絡(luò)的模塊化結(jié)構(gòu)設(shè)計(jì)進(jìn)行了初步探討。采用Altera公司的FPGA芯片－Cyclone EP1C3T144C進(jìn)行實(shí)驗(yàn)，結(jié)果顯示該方法能有效的縮短運(yùn)行時(shí)間，取得較好的效果。 本文根據(jù)實(shí)際機(jī)器人機(jī)械結(jié)構(gòu)和運(yùn)動(dòng)特性，利用面向?qū)ο蟮木幊谭椒?，利用C++Builder工具建立了SimRobot機(jī)器人行為學(xué)習(xí)和進(jìn)化的仿真環(huán)境軟件，討論了傳感器模型和地圖環(huán)境構(gòu)建方法，驗(yàn)證了行為學(xué)習(xí)和進(jìn)化結(jié)果的有效性。 本文希望通過(guò)模擬生物的學(xué)習(xí)和進(jìn)化來(lái)