基于改进遗传算法移动机器人路径规划.docVIP

基于改进遗传算法移动机器人路径规划 　　摘要：标准遗传算法在解决各类优化问题中获得成功，但它在具体的应用中由于缺乏对特定知识的利用，其性能有待提高。将改进遗传算法用于移动机器人的全局路径规划，复杂的二维编码问题简化为一维编码问题，建立边界约束，路径点必须在障碍物之外，路径点连线不能与障碍物相交等3个约束条件，以机器人行走路径最短作为适应度函数进行遗传优化。计算机仿真实验结果证明该算法在收敛速度、最优解输出概率方面相对于基本遗传算法有了显著提高。 　　关键词：遗传算法；路径规划；移动机器人 　　中图分类号：TP24 文献标识码：A 文章编号：1009-3044(2008)31-0951-03 　　Enhanced Genetic Algorithm for Robotic Path Planning 　　GAO Yang1, WANG Yu-jiao2 　　(1.School of Mechatronic Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China;2.College of Mathematics and Information Science, Northwest Normal University, Lanzhou 730070, China) 　　Abstract: Genetic algorithm has been very successful in solving optimization problems.However, due to the absence of utilizing specific knowledge of the particular context in which it is applied, its performance still requires improvements.A new approach of global path planning for mobile robot based on enhanced genetic algorithm is presented and the complex two dimension coding problem is converted into the one dimension ones. The restrictions on the boundary and the path node out of the obstacles and the restriction on the line between path nodes not crossing over the obstacles are put into .At the same time the fitness function meets the requirement of the shortest period of working length .The simulation results demonstrate that, the proposed algorithm achieved considerable improvements, with respect to the basic genetic algorithm,in convergence speed and optimal solution output rate. 　　Key words: genetic algorithm; path planning; mobile robot 　　不论是哪种类别的移动机器人，它在进行工作时，往往要求根据某准则，在工作空间中沿着一条最优的路径行走。因此，路径规划是移动机器人完成任务的安全保障，同时，也是移动机器人智能化程度的重要标志。 　　基于不同的基本思想，有多种算法出现。包括有人工势场法(APF)、臭虫法(BUG)、随机位图法(PRM)、快速随机树(RRT)、神经网络法(NN)等。这些算法都在不同的方面有着各自的优势，然而在总体上，这些路径规划算法都还存在各自的不足。如计算复杂度，局部最优解，地图适应性，动态环境下有效性，全局及多目标优化能力。 　　随着遗传算法(GA)的提出，机器人路径规划算法也得到相应的发展。通过GA在路径规划中的应用，使得机器人更加的智能，其运行路径也更加逼近理想的优化要求。尤其是其优秀的全局优化能力和较高的搜索效率使得GA成为处理复杂环境下全局优化要求的最佳算法之一。 　　GA通过模拟生物进化的方式搜索解空间。问题的可能解被编码成染色体并作为一个个体参与算法中的进化过程。最合适的解以更大的概率生存并