遗传算法与机器人路径规划.doc

遗传算法与机器人路径规划( 摘要：机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 关键词：路径规划；移动机器人；避障；遗传算法 Genetic Algorithm and Robot Path Planning Abstract: Robot path planning research is a very important area of robotics, it is also a combine point of artificial intelligence and robotics. For the mobile robot, it need to be worked by certain rulers（e.g time optimal），and find a best movement path in work space. Robot path planning can be modeled that in the course of robots able to avoid the obstacles from the initial position to the target location,and it ruquire to work under ertain constraints. Genetic algorithm used in path planning is very common, when planning the path ,it use the information of map ,and have high eficient in actual. Key words: Path planning, mobile robot, avoid the obstacles, genetic algorithm 路径规划 1.1 机器人路径规划分类根据机器人对环境信息掌握的程度和障碍物的不同，移动机器人的路径规划基本上可分为以下几类： 1，已知环境下的对静态障碍物的路径规划； 2，未知环境下的对静态障碍物的路径规划； 3，已知环境下对动态障碍物的路径规划； 4，未知环境下的对动态障碍物的路径规划。 （2） 也可根据对环境信息掌握的程度不同将移动机器人路径规划分为两种类型： 1，基于环境先验完全信息的全局路径规划； 2，基于传感器信息的局部路径规划。 （第二种中的环境是未知或部分未知的， 即障碍物的尺寸、 形状和位置等信息必须通过传感器获取。）无论机器人路径规划属于哪种类别，采用何种规划算法， 基本上都要遵循以下步骤： 1, 建立环境模型， 即将现实世界的问题进行抽象后建立相关的模型； 2, 路径搜索方法， 即寻找合乎条件的路径的算法。 1.3.1传统路径规划方法（1）自由空间法 （free space approach）　基于简化问题的思想 , 采用“结构空间” 来描述机器人及其周围的环境。 这种方法将机器人缩小成点 ,将其周围的障碍物及边界按比例相应地扩大 ,使机器人点能够在障碍物空间中移动到任意一点 ,而不与障碍物及边界发生碰撞（2）图搜索法 采用预先定义的几何形状构造自由空间，并将其表示为连通图，然后通过搜索连通图进行路径规划。这种方法比较灵活，改变初始位置和目标位置不会重构连通图，但是障碍物比较多时，算法会比较复杂，且不一定能找到最短路径。 人工势场法（artificial potential field） 既是把机器人工作环境模拟成一种力场。目标点对机器人产生引力，障碍物对机器人产生斥力，通过求合力来求控制机器人的运动。 1.3.2 智能路径规划方法 1）基于模糊逻辑算法（fuzzy logic algorithm）的机器人路径规划 此方法基于传感器的实时信息，参考人的的经验，通过查表获得规划信息，实现局部路径规划。通过把约束和目标模糊化，利用隶属度函数寻找使各种条件达到满意的程度，在模糊意义下求解最优解。 （2）基于神经网络（NN）的机器人路径规划 主要是基于神经网络结构构造出来能量函数，根据路径点与障碍物位置的关系，选取动态运动方程 ，规划出最短路径。机器人路径规划算法的方法很多，除了上面介绍的常见的路径规划方法外，还有基于蚁群算法的路径规划，基于微粒群算法的路径规划，结合模拟退火算法的遗传算法等