粒子群算法在地图构建中的应用的研究.pdfVIP

A Dissertation Submitted to Shanghai Jiao Tong University for Master Degree RESEARCH ON THE APPLICATION OF PARTICLE SWARM OPTIMIZATION IN MAP CONSTRUCTION Author: Shang Lei Specialty: Computer Application Advisor: Liang Alei School of Software Shanghai Jiao Tong University Shanghai, P.R.China Dec. 2009 粒子群算法在地图构建中的应用研究 摘 要 基于多机器人技术的地图构建方案由于其适应性强、安全高效、 精确可靠等特点已经被视为地图构建问题的一个理想解决方案。在该 方案中，节点间的协调和任务的分配是决定地图构建效率的主要难 点。针对大规模节点协同的问题，并行、多点的方式是解决这一问题 研究的要点。目前已有的节点协同算法是基于任务分配的算法，典型 的有基于市场机制、基于阈值、基于行为的分配算法。这些算法将地 图构建问题分解为若干子问题，依赖节点的层次结构，进行集中式发 布。这样做不但会产生用于发送指令的额外通信开销，更会在节点数 量上升时由于协同算法计算量上升，从而导致整个系统的效率下降。 因此，我们需要寻找一种完全分布式并具有更好可扩展性的节点协同 算法。 本文引入粒子群优化模型，提出了一种新的分布式自组织地图构 建算法，解决了上述问题。粒子群优化是一种典型的群体智能算法， 相比传统的优化算法更强调粒子之间的协同合作，用并行方式完成对 解空间的搜索。本文提出算法的思路是，将粒子群优化中在解空间对 最优解搜索的过程转化为在未知区域对未探测区域的搜索过程，从而 实现对未知区域的地图构建。粒子群优化中粒子是完全分布式和同构 化的，在搜索过程中所有粒子只需要进行自身运动路径的计算，因此 -III- 当粒子数目增加时原有节点不需要增加额外的计算量。针对通信量增 加的问题，我们采用了一种虚拟信息素机制来完成节点间信息交互， 通过小范围广播进行通信，无需路径计算，从而节省通信开销。通过 以上方法，采用本算法进行地图探索可以提高系统的规模特性。 本文的主要工作包括： （1） 总结现有地图构建算法和粒子群优化算法研究现状，对算法 的可行性进行理论分析； （2 ） 提出了基于粒子群优化模型的地图构建算法，包括两阶段 PSO 搜索路径决策机制和基于虚拟信息素的节点间交互机 制，给出算法模型的详细描述，对算法模型进行理论分析， 以伪代码形式给出算法实现； （3 ） 在自主开发的仿真平台上实现了算法，并针对算法的有效 性、可扩展性和参数影响进行了一系列的对比仿真实验，对 实验结果进行详细分析。 本文提出的地图构建算法基于粒子群优化模型，节点自组织地进 行协作，分布式地完成搜索路径计算，能够在有限时间内完成对未知 区域的地形图构建，并且具有良好的规模特性，完全适用于多机器人 地图构建的应用场景。 关键词 多机器人地图构建，粒子群优化，基于粒子群优化的地图构 建算法，虚拟信息素 -IV- RESEARCH ON THE APPLICATION OF PARTICAL SWARM OPTIMIZATION IN MAP CONSTRUCTION