论文部分内容阅读
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。