基于可拓遗传算法的机器人路径规划

2019-10-20 10:05

  目前,国内外对机器人路径规划方法的研究主要有两大类,传统方法与智能方法。传统方法主要包括:梯度法、栅格法、枚举法、人工势场法、自由空间法、A*等图搜索方法及随机搜索法等。其中梯度法易陷入局部最小点,图搜索法、枚举法不能用于高维的优化问题,势场法则存在丢失解的部分有用信息的可能。用于机器人路径规划的智能方法主要有模糊逻辑、神经网络、遗传算法等,而模糊方法主要用于在线的规划中,自适应性较差。神经网络方法对于环境复杂的情况,规划能力较差,遗传算法则是目前应用较多的一种方法,受到了广大研究者的重视.但是,用遗传算法进行机器人路径规划时,随机产生初始种群,种群规模大导致搜索空间较大,删除冗余个体能力较差,大大影响了路径规划的速度,特别是环境复杂或多机器人路径规划时,这种缺点更是明显。笔者在原有基于遗传算法的机器人路径规划方法的基础上,引入了可拓学理论,对遗传算法进行了改进,以提高机器人路径规划的速度和能力。

  1 基于栅格的可拓遗传算法路径规划

  可拓学是1983年由我国学者蔡文提出的一门原创性学科,主要研究不相容问题的转化与解决的规律。经过二十年的发展已经形成了它的理论框架,并且在信息、知识生成、管理、营销、策划、控制、数据挖掘等许多领域得到了应用。可拓学现在已经成为人工智能领域中一个新的学术研究热点。

  本文将可拓理论应用到遗传算法中解决路径规划问题。

  (1)采用可拓物元的表示方法来表示机器人的位置信息;

  (2)将可拓学中的主要概念――关联函数作为遗传算法的适应度函数;

  (3)采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式。

  1.1 栅格表示模型

  为了模拟机器人的工作环境需要对其工作空间建立模型,只考虑机器人工作空间的平面状况,在二维空间中采用栅格法来建立机器人的工作空间模型,按照机器人及工作空间的大小来确定栅格的数目,以保证机器人可以在其中自由移动。用直角坐标法在矩形的工作空间中建立多个等值大小的小栅格(以1010的栅格为例)。将直角坐标法同序号法相结合使用,根据条件的不同按照映射关系进行变换。自由空间和障碍物均可表示成栅格块的集合。划分后的机器人工作空间如图2所示,图中阴影区为障碍物。

如果您想浏览全文,请下载(免费)!

分享到:
收藏