基于遗传算法的移动机器人路径规划方法的研究

基于遗传算法的移动机器人路径规划方法的研究作者：姜明洋学位授予单位：沈阳理工大学相似文献(10条)1.期刊论文崔建军.魏娟.刘坤.CUIJian-jun.WEIJuan.LIUKun基于遗传算法移动机器人的路径规划研究-煤矿机械2009,30(9)路径规划是移动机器人研究中的一个重要内容,它在移动机器人导航中起着不可缺少而又重要的作用.提出一种采用遗传算法对移动机器人进行路径规划的方法,使用栅格法建立移动机器人的工作环境模型,采用路径中的序号进行编码,通过选择适当的遗传算子,最后得到移动机器人工作环境的最优或次最优无碰路径.2.学位论文杜宗宗基于遗传算法的移动机器人路径规划研究2009移动机器人是机器人领域的一个重要发展方向，而路径规划是移动机器人系统中的一个重要内容，因为它的好坏直接影响到机器人所完成任务的质量，所以路径规划成为移动机器人领域的一个研究热点。br　　本文中的移动机器人路径规划包含两方面的内容:避障路径规划和TSP路径规划问题。避障路径规划是指依据某个或某些优化准则，在其工作空间中找到一条从起始点到目标点能避开所有障碍物的一条最优路径。TSP路径规划问题是指已知几个城市之间的相互距离，现有一个推销员必须遍访这几个城市，并且每个城市只能访问一次，最后又必须返回出发城市，如何安排他对这些城市的访问次序，使其旅行路线总长度最短。br　　本文首先讨论了路径规划技术的发展现状以及应用方法，也指出了本课题的研究意义和主要研究的内容。br　　其次通过对遗传算法和模拟退火算法的研究，分析了各自的优缺点。并把这两个算法结合构成了遗传模拟退火算法，它兼备了很强的全局和局部搜索能力，在变量数目较大时尤其突出。把遗传模拟退火算法运用到避障路径规划当中，并采用新型的初始种群生成算法，仿真结果表明这种算法使移动机器人避障路径规划提高了收敛速度，达到了较好的规划效果。br　　最后研究了运用遗传算法求解TSP路径规划问题，对基本遗传算法的求解TSP路径规划问题进行了改进。为了解决群体的多样性和收敛速度的矛盾，本文采用了依概率近邻法来生成初始种群，这种初始种群生成方法较近邻算法略差，但个体多样性水平优于近邻算法。为了在遗传算法的整体运行过程中保持种群多样性、提高收敛速度，本文将相似性、群体分级等概念引入到遗传算法中，将等级较高的个体采用启发交叉算法进行交叉，并采取杰出者记录与“父子混合”选择策略来保证算法的全局收敛性，仿真结果证明了改进算法的有效性。3.会议论文吕恬生.仲欣无线遥控移动机器人遗传算法路径规划实验1997针对一类受非完整约束的移动机器人路径规划问题，提出了一种基于遗传算法的移动机器人路径规划新方法。利用一个经过改装的无线遥控汽车模型进行了移动机器人路径规划实验。实验结果表明该方法是正确和可行的。4.学位论文罗扬基于粒子群算法和遗传算法结合的移动机器人路径规划研究2009智能移动机器人是机器人研究领域的一个重要分支，也是机器人学的重要研究对象。路径规划是机器人学研究中一个重要课题，也是移动机器人系统开发的重要环节之一。本文研究的是移动机器人路径规划问题。br　　本文介绍了移动机器人路径规划的基本概念，研究内容。从全局和局部两方面介绍了几种传统的移动机器人路径规划方法。同时介绍了粒子群优化算法和遗传算法的主要思想、基本原理和主要步骤。br　　本文在总结已有路径规划和群体智能研究成果的基础上，选择粒子群算法和遗传算法来解决移动机器人的路径规划问题。以自由空间法建立环境模型，得到全局静态环境的自由连接图。在此基础上用粒子群算法和遗传算法对所得初始路径进行优化，并讨论了遗传算法进化到不同代数时采用粒子群算法进行优化的结果。文中还针对使用Dijkstra算法以及几种算法混合所得的结果进行对比。分析了初始路径的选择对于最终解的影响。br　　文章的最后，对全文开展的工作进行了总结，提出了下一步的研究方向。5.期刊论文谢慕君.余光伟.XIEMuJun.YUGuangWei基于遗传算法的AS-R移动机器人路径规划研究-微型机与应用2010,29(4)将遗传算法应用于机器人的全局路径规划,并在AS-R移动机器人上进行了实验研究.首先用栅格法对机器人的工作环境进行划分,得到机器人的环境模型;其次采用遗传算法进行路径搜索,并引入多种遗传算子,增强了算法的实用性.在AS-R机器人上采用VC开发,并在5×5的栅格环境中进行路径规划研究.实验结果表明,遗传算法结合栅格环境对移动机器人进行路径规划,具有简单且通用的效果,所得的折线路径也更适合于机器人进行轨迹跟踪.6.学位论文刘航移动机器人智能路径规划方法研究2004移动机器人是能够在道路和野外连续自主运动的智能机器人,是一种集环境感知、动态决策与规划、行为控制与执行等多项功能于一体的高智能化机器系统.移动机器人导航是移动机器人研究的重要方向,而路径规划是移动机器人导航的最基本环节之一.该论文主要研究了移动机器人在静态和动态环境下的智能路径规划问题,利用国内外在粗糙集理论和遗传算法相结合方面的最新研究成果,将其应用到移动机器人的路径规划中,并进行了大量的仿真实验,实验结果证明了采用粗糙集和遗传算法相结合的方法应用到机器人的路径规划中是可行的.第一章介绍了移动机器人路径规划的研究背景及国内外同类课题的研究现状,并列举了移动机器人路径规划的常用方法,最后展望了移动机器人路径规划的发展趋势.第二章介绍了遗传算法的基本概念、算法和应用领域,并使用遗传算法求解函数的极大值.第三章介绍了粗糙集的概念及属性约简的方法和粗糙集的应用领域.粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息.该论文采用粗糙集进行约简决策规则,以提高决策的速度.研究了基于粗糙集和遗传算法相结合的机器人路径规划方法.第四章研究了移动机器人在静态环境下的路径规划问题.首先采用栅格法建立机器人的工作空间模型,然后采用粗糙集来生成初始路径,这样既能够保证路径是可行的,又能够缩短决策的时间,最后采用遗传算法来优化路径.通过一般遗传算法和微种群遗传算法的对比研究,证明了采用粗糙集和微种群遗传算法相结合的方法用于机器人的路径规划是有效的和可行的.第五章研究了移动机器人在动态环境下的路径规划问题.由于动态环境要求机器人的决策速度快,因此在栅格法建模基础之上,提出了改进的建模方法.因为机器人的工作环境会随时变化,所以采用两种工作模式:静态工作模式和动态工作模式.当环境不变化时,执行静态模式的工作程序;当环境改变时,执行动态模式的工作程序.在不同的障碍物个数、分布和不同的环境变化率下的仿真结果证明了此方法是可行的.第六章对全文进行了总结,指出论文的不足之处,并对今后的研究工作进行展望.7.期刊论文贺锋.秦晓丽.方勇纯.HEFeng.QINXiao-Li.FANGYong-Chun一种基于遗传算法的移动机器人自定位方法-模式识别与人工智能2009,22(1)针对移动机器人定位研究中的位姿跟踪、全局定位和绑架三类问题,提出一种基于遗传算法的移动机器人自定位方法.设计基于位置相似度的种群适应度计算方法,利用实值编码方式实现种群的交叉、变异,有效提高算法的实时性.针对机器人定位过程中的绑架现象,在常规遗传算法的基础上引人种群发散算子,减小种群匮乏效应.在此基础上,利用机器人运动模型更新种群状态实现机器人的连续定位.在实际室内环境进行机器人定位实验,证实本文算法的有效性.8.学位论文朴松昊智能移动机器人路径规划研究2004该文在国家自然科学基金项目基于多智能体协调的机器人系统控制的资助下,以提高移动机器人路径规划的实时性、智能性和鲁棒性为目的,对移动机器人路径规划问题进行了深入系统的研究.主要包括如下几个方面:对传统遗传算法进行了改进,提出了自适应群体规模设定法和精英线性排序选择法.对群体规模进行了研究,研究结果表明进化初期应使群体规模较大,而在进化后期应使群体规模较小.排序法不利用个体适应值绝对值的信息,可以避免群体进化过程的适应值标度变换,易于控制进化过程中的选择压力.而最佳保留选择法是群体收敛到优化问题最优解的一种基本保障.通过将排序法与最佳保留选择法相结合的方法来取代传统的选择方法,有效地增强了遗传算法的进化过程.在群体规模和选择方法的研究基础之上,还考虑了其它遗传操作算子的设计等问题.函数优化实验证明,改进遗传算法有效地提高了传统遗传算法的性能.将遗传算法应用于移动机器人全局路径规划.为了提高通用性,对链接图建模法进行了扩展,使其能够应用于凹形环境,并对路径染色体进行双点交叉,通过遗传操作得到了链接图中的最优路径.为了进一步提高路径的质量,该文提出了基于遗传算法的优化方法.仿真实验表明,所提方法有效.研究了适合于移动机器人运动控制的模糊推理控制方法.为了使移动机器人在动态环境下,能够较快地得到精确的模糊控制隶属函数和模糊控制规则,该文将遗传算法引入,解决了以往在使用模糊控制避障时需人工调整参数的弊端.仿真实验表明,所提方法能够保证移动机器人的实时控制.研究了基于冲突消解的多机器人协作路径规划方法.强化学习方法由于采用查表法,因此不能应用于容易发生维数灾难问题的多机器人的情况,该文采用决策树对大状态空间以不同分辨率进行划分,结合遗传算法对决策树进行优化修剪,从而有效地减小了机器人学习的搜索空间,加快了整个算法的学习速度.完成了移动机器人路径规划的仿真实验平台,该仿真系统采用模块化的结构,便于对新算法进行仿真研究,此外作者利用现有的机器人足球系统实现了编队合作任务演示系统.9.期刊论文王洲.张毅.杨锐敏.WANGZhou.ZHANGYi.YANGRui-min基于遗传算法的移动机器人路径规划-微计算机信息2008,24(26)本文提出的基于遗传算法的移动机器人路径规划,用栅格表示移动机器人的工作环境,采用序号编码和与此编码机制相适应的遗传操作算子,并增加了新的插入算子和删除算子,同时应用了最优保存策略,最后得到移动机器人在由栅格表示环境下的最短无碰路径.通过对算法进行仿真和实验,结果表明了所提算法的有效性和可行性.10.学位论文胡小明基于免疫算法的移动机器人路径规划研究2005在制造业和非制造业中，移动机器人的应用领域越来越广泛。路径规划作为移动机器人技术的一个重要组成部分，对它的研究具有重要的理论意义和工程应用意义。免疫算法是在克服遗传算法不足的基础上提出的一种具更强鲁棒性和更快收敛速度的搜索算法，并可以较好地解决遗传算法中出现的退化现象，所以在解决复杂的最优化问题时具有更广泛的应用领域，免疫算法已初步应用到优化设计、网络安全、故障诊断、模式识别、图象识别、机器学习和自动控制等领域，但把免疫算法应用到移动机器人路径规划的研究还比较少见。本文将致力基于免疫算法的移动机器人路径规划的研究。本文首先总结了移动机器人在国内外的发展现状及主要研究方向；详细介绍了免疫算法的概念、基本原理及基本思想，并从理论上证明了免疫算法是收敛的，为使用免疫算法提供了保障；继而从传统与智能的角度讨论了移动机器人的路径规划方法研究。其次，考虑到移动机器人在动态环境下路径规划问题的复杂性，把路径规划分成两部分，即基于避障的全局路径规划和基于避碰的局部路径规划。对于在静态障碍物环境下的移动机器人全局路径规划，通过提出一种新的多因素适应度函数，使对个体的评估更符合移动机器人所需要的最优路径，仿真结果表明该方法可行，而且有效，可以提高收敛速度，并与遗传算法进行比较，发现使用该免疫算法解决了遗传算法后期的波动现象。接着，针对动态障碍物的移动机器人动态局部路径规划问题，提出一种新的时间栅格法，并用它建立移动机器人的动态环境信息，减少了只用免疫算法在动态环境下规划移动机器人最优路径所耗的时间，较好地满足了移动机器人实时导航的要求。实验表明该方法可以减少免疫算法的迭代时间，提高了路径规划效率。最后，完成了在Teambots仿真软件包环境下基于免疫算法的移动机器人路径规划系统设计，为移动机器人系统的路径规划技术提供了很好的试验平台，并在此平台上成功地完成了路径规