群智能优化算法在机器人路径规划中的应用的毕业设计.docxVIP

群智能优化算法在机器人路径规划中的应用的毕业设计 绪论 选题的背景和选题的意义 随着经济的发展， 科学技术也有了巨大的改善， 人们的生活水平也发生了翻天覆 地的改变。 不管是国家的发展还是人民生活的发展不再仅仅是追求最基本的满足， 不 再是仅仅只追求表面化的经济数据， 社会在发展人们的思想观念也在发展， 人们渴望 更优秀的科研技术来满足他们精神生活和物质生活的需要。 那么，怎样使得工作效率 和生产效率的提高呢？我们不然而然的就想到了优化这个词语。 所以最优化这个词语 成为人们的社会生活中经常使用的术语， 它体现出了人们社会活动的非常常见的现象， 可以用这样一句话总结最优化这个术语：它就是在人力、物力、财力不变条件况下， 怎样可以使得资源的利用率最大， 而且获得利润最大。 最优化实际上是以数学技术为 基础的一门技术，一直以来人们为了满足生活的需要不断地对最优化进行不断地努力 和探索，在很久以前， 就有科学家发明了具有优化思想的微积分、 以梯度下降法解决 无约束优化问题。 早起有一位苏联数学家康托罗维奇发表了一篇文章名为 《生产组织 与计划中的数学方法》 ，这篇文章首次提出了解决生产计划优化决策的线性规划问题 的解乘数法。虽然人类不断地对最优化进行探索， 但是有很多限制因素的存在， 所以， 一直都没有很大的突破。 但是随着计算科学的不断发展， 人们对于最优化的有了很迫 切的需要， 计算机成为很有效的求解工具， 一些超大规模的问题得到了一个很好地解 决，从此优化理论的应用得到了广泛的应用。 但是仅仅通过计算机这样的计算工具是 不能够解决所有复杂的问题， 所以人们受到达尔文进化论思想和自然现象的启发， 科 学家们研究出了一些群智能优化算法，如：粒子群算法、蚁群算法、差分进化算法、 人工免疫算法。这种算法不需要目标函数和约束的连续性与凸性、 可导、可行域连通， 即使没有解析表达式也可以进行优化， 而且这些算法在计算复杂方面也表现除了相当 大的优势，为优化思想理论的发展提供了一个很有利的平台。所以对于粒子群算法 （PSO，每年有大量的论文的涌现都是关于粒子群算法的，这足以说明它依然是群 智能算法研究的一个热点， 当然这也是因为它所具有的与其他算法不同的优势所产生 的结果。 移动机器人在存在障碍物的环境中遵循一定的评价标准 （ 如行走路径最短，工作 代价最小 , 行走所需时间最短等标准 ）, 搜寻一条从所给起点到达目标终点的无碰撞 路径， 这就是移动机器人路径规划技术。 移动机器人路径规划的方式有很多种， 在此 我介绍两种 : 一种是基于算法的不同 , 分为智能路径规划和传统路径规划。 而传统路径 规划是以图论为思想的 ,它首先要建立几何模型通过一定的方式 , 来对空间存在的所 有路径的搜索 , 有图法、栅格法、图搜索法、动态路径规划算法等等；动态路径规划 是一种优化算法，它是对人工智能的深入不断深入研究而发展起来的 , 其中包含神经 网络法、模糊逻辑法、遗传算法和现在非常热门的算法，如免疫算法、蚁群算法、蜂 群算法、粒子群算法等等，智能算法能够对人或者动物的行为和经验进行模仿 , 其良 好的自组织学习能力和非线性逼近能力使得具有很广泛的应用围； 另一种是通过对认 知程度和环境的规划体 , 分为基于已知环境模型的全局机器人路径规划方法和基于传 感器信息的局部机器人路径规划方法。其中机器人局部的路径规划方法 , 其又被称为 在线的或是动态的机器人路径规划方法 , 其中的作业环境部分或完全已知或完全未知 或部分已知 , 有: 蚁群智能算法、粒子群智能算法、人工势场算法和免疫算法以及模 糊逻辑算法等方法。 而机器人全局路径规划方法 ,也被称为离线或静态规划路径 , 有完 全已知作业的环境信息 , 有: 可视图法、栅格法、概率路径图法、 图法、拓扑法等方法。 基于栅格法、 几何构造的方法、 人工势场法、 智能化路径规划方法是机器人路径规划 的常用方法。 最优化技术我们的日常生活中的应用带来了巨大的社会效益和经济效益， 基于大 量的实践效果表明，在相同的人力、物力、财力的条件下，通过优化技术处理过的， 对系统效率的提高、 能耗的降低和资源最高效率的使用等都具有明显的效果， 而且这 种优势随着群体规模的不断增大而变得越来越显著。 选这个论文题目进行研究的目的就是： 首先，想让大家了解群智能优化算法在实 践中的应用， 群智能算法的特点、 分类及应用领域； 其次想让大家了解机器人路径规 划应用现状，通过将群智能算法与机器人路径规划的结合来解决路径规划中所存在的 问题， 最终使得机器人给人类带来的利益达到最大化， 提高机器人的工作效率， 使机 器人工作的路径最优。 让大家充分了解机器人的路径是可以通过一种群智能算法来优 化的。我们不仅仅是让机器人沿着一条路径