基于改进粒子群优化算法的机器人路径规划研究-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包 含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 移动机器人路径规划是机器人学中重要的技术之一，在一定程度上标志着机器人智能 化水平。移动机器人路径规划要求机器人以最小的代价（例如路径最短、时间最少、能耗 最低等）安全地从起始位置运动到目标位置，在这个过程中，要避免发生机器人与障碍物、 机器人与机器人之间的碰撞。粒子群优化算法作为一种新型的智能优化算法，由于其具有 概念简单且容易实现等优点，已经有许多研究者尝试着将其用于解决移动机器人路径规划 问题。但是粒子群优化算法具有容易收敛到局部最优解的缺点，使得当用粒子群算法解决 移动机器人路径规划问题时，许多情况下优化出来的路径不是全局最优的路径，而是次优 路径。 在本文中，在基本粒子群优化（BPSO）算法的基础上，提出了一种基于跳出机制和牵 引操作的粒子群优化（JMPOPSO）算法。该算法相较于 BPSO 算法做了两点改进：针对 BPSO 算法在迭代后期种群的多样性急剧减少，容易收敛到局部最优解的缺点，引入了一种粒子 跳出机制，增加种群的多样性，增强了算法的全局搜索能力；并且设计了一种牵引操作， 该操作将部分在较差区域搜索的粒子牵引至其它可能包含全局最优解的区域中搜索，加快 算法收敛速度。仿真实验结果表明，JMPOPSO 算法具有更强的全局搜索能力和更快的收敛 速度。 在本文中，针对使用 BPSO 算法不易优化出全局最优路径的缺点，将 JMPOPSO 算法 应用到单机器人路径规划中。首先对机器人工作环境进行建模，然后根据路径优化目标建 立了适应度函数，最后基于建立的适应度函数用 JMPOPSO 算法对路径进行优化。仿真实 验结果表明，JMPOPSO 算法具有更好的全局搜索能力和更高的搜索精度，能获得质量更优 的路径。 本文在研究多机器人路径规划问题时，提出了一种基于协同机制的多种群粒子群优化 （CMMPPSO）算法。在该算法中，将多机器人路径规划问题分解为多个单机器人路径规划 问题，每一个子种群对一个机器人单独进行优化。从每个子种群中选择代表个体进行协调 信息交互操作，从而选择出精英个体作为多机器人系统优化的路径。在优化过程中，不仅 考虑了机器人与障碍物之间的碰撞问题，还考虑了机器人之间的碰撞问题，并且建立了路 径间的碰撞评价函数。仿真实验结果表明，该算法能较好地实现多机器人路径规划。 关键词：移动机器人，路径规划，粒子群优化算法，跳出机制，牵引操作，协同机制 I Abstract Path planning of mobile robot is an important technique in robotics. To some extent, it marks the level of intelligence of robots. Path planning of mobile robot requires the robot moves from the starting position to target position at minimum cost (for example, the shortest path, the least time, the lowest energy consumption, etc) safely, in this process, the collision between robot and obstacles or other robots is avoided. Particle Swarm Optimization (PSO) is a new intelligent optimization algorithm. Since PSO algorithm has a sim