算法设计原则.docVIP

算法设计原则： 1)与任何障碍物不发生碰撞； 2)路径尽可能短,运行时间尽可能少； 3)应与障碍物保持一定的安全距离； 4)路径曲线尽可能平滑。 1.环境信息与编码： 为了模拟机器人的工作环境，需要对其工作空间建立模型来表示。只考虑机器人工作空间的平面状况，不考虑高度问题，本论文采用栅格法划分机器人的工作空间，将机器人工作环境分解成一系列具有二值信息的网格单元。假设机器人的工作空间可以用二维平面图形表示，而且障碍物的尺寸、大小和位置己知，在机器人运动过程中障碍物的位置不发生变化。为了方便起见，机器人的工作空间用正方形表示(不是正方形时，可以扩大障碍物，将工作空间填充成正方形)，用尺寸相同的栅格将工作空间划分(栅格的大小以机器人通过为准)。 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。 栅格的标识也就是栅格的编码方法有下述两种方法:①直角坐标法。如图所示，以栅格阵左下角为坐标原点，水平向右为x轴正方向，竖直向上为y轴正方向，每一栅格区间对应坐标轴上的一个单位长度。任一栅格均可用直角坐标(x,y)唯一标识。 ②序号法。如图1所示，按从左到右，从下到上的顺序，从栅格阵左下角第一个栅格开始，给每一个栅格一个序号p(从零开始计)，则序号p与栅格块 图1 用直角坐标系建立的栅格 用序号法对每个小栅格进行编号，其中每个编号P都与其直角坐标一一对应，其映射关系为 p=x+10y （1-1） 而在MATLAB语言中，x和y与P的关系为 x=rem (p,10) （1-2） y=fix (P,10) (1-3) 其中，rem表示取余操作，fix表示取整操作。对已建立的栅格加入序号编码后的图形见图1。因为遗传算法在搜索和优化上具有的优势，所以采用遗传算法来进行机器人路径的规划。用遗传算法对机器人的路径进行规划时，可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。这样既减少了个体长度及编码的复杂度，又可以保证机器人处于栅格中心位置，避免了与其周围障碍物的碰撞。 为了使每次的路径寻优都尽量向接近目标点的方向运动，当前栅格邻接方位的位置显得极为重要。对于8个邻接方位，8个方位分别为：右下，右，右上，上，左上，左，左下，下。 方位距离表示当前栅格到它的邻接栅格的距离，定义为两个栅格之间的中心距离。可以看出，当前栅格和它相邻的8个方位的距离为定义为 (1-4) 由于地图的表示有两种方式，有序号法，如上所述，和直角坐标法。因此，在机器人地图的表示中，需要一个结构来表示这两种表示方法的对应关系。 typedef struct Grid { DPOINT m_left_up; DPOINT m_left_down; DPOINT m_right_up; DPOINT m_right_down; DPOINT m_center; int property; int serial_ number; }GRID ,*PGRID; 在结构GRID中，以栅格的四个顶点，一个中心点栅格属性以及栅格序号表示一个栅格的信息。其中，栅格的四个顶点为：左上点m_left_up，左下点m_left_down，右上点 m_right_up，右下点m_right_down ，DPOINT也是一个结构表示地图中点的坐标{double s_X；double s_Y}；栅格中心点为m_center，整数property表示此栅格为自由栅格还是障碍栅格。 如果是自由栅格property=0，否则property=1。整数serial_ number表示每个栅格的序号。图1中，灰色格为障碍栅格。 2.算法流程 2.1改进的初始种群 遗传算法与传统搜索算法不同，遗传算法在运算开始需要随机产生一组初始解，称作初始种群。结合本章的机器人路径规划考虑，初始种群中的每个解，必须满足两个条件:一是栅格的连续性，它确保了种群的可行性；二是随机性，它保证了初始种群尽可能分布在搜索空间中每一个区域，体现遗传算法的全局最优性。本算法中初始种群的产生方法主要有以下特点： （1）采用不等长染色体，每条染色体都是“起点”和“终点”之间的一条连续栅格代码，因此，采用不等长染色体比较合理。 （2）采用A*算法产生初始种群。在“起点”和“终点”之间随机插入一个或多个中间点，然后，采用A*算法在这些点之间填充连续栅格，使之成为