基于改进人工鱼群算法的智能机器人路径规划研究

摘要

目前，智能机器人的研究领域发展迅猛，机器人广泛出现在人类生活的各个方面，人们对其可靠性和安全性也有着越来越复杂的要求。智能机器人研究的相关课题具有复杂性、约束性和非线性等众多特点，包含导航技术、传感器技术、硬件控制技术、路径规划技术等多技术融合。 路径规划技术是机器人众多研究领域中的一个重要课题。路径规划问题的实现离不开环境建模、导航定位和算法等技术的支撑。本文选择人工鱼群算法作为基础算法，回顾人工鱼群算法的原理、特点以及人工鱼个体的行为特性，研究各参数对算法的影响和作用原理。通过算例分析得知人工鱼群算法后期搜索精确度不高以及局搜索能力的不足。 针对人工鱼群算法前期搜索的盲目性，人工鱼个体分散，搜索精度不高的问题，本文提出了一种精英保留与淘汰策略。该策略源于生物的进化思想，提出精英鱼群的概念，包含生物的淘汰和克隆机制，将有精英个体作为父代进行克隆，淘汰相对劣化的个体，实验证明该方法可提高算法搜寻的高效性和精确性，但对于局部最优问题仍存在不足。 针对单一改进方式的局限性，本文采取多算法混合的思想，提出了一种基于和声搜索算法的混合人工鱼群算法。首先对和声搜索算法的原理、搜索方式以及特点进行分析，提出了利用和声搜索算法优秀的局部微调能力改善人工鱼群算法局部搜索精确；接着引入混沌因子的概念，利用其无重复遍历的全局搜索能力改善人工鱼群算法全局搜索效率，形成新型的混合鱼群算法。将改进的混合算法应用于三种不同函数的经典函数优化问题之后，证明了该算法不仅能快速找到全局最优值领域，还能跳出局部最优，具有良好的寻优精度和效率。 最终，笔者将改进的新算法融入智能机器人路径规划问题中，使用栅格法建立环境模型，遵照机器人避碰的相应策略，提出合适的适应度函数，结合改进的混合算法对机器人进行路径规划仿真。通过实验结果对比可知，改进后的算法能够有效地引导机器人避开障碍，并且能快速寻优，找到最佳路径或较优路径，并且改进的混合算法比其他算法在路径规划问题上更具有高效性和可靠性，且能处理更复杂的环境模型。

目录

声明

摘要

第1章 绪论

1.1 研究背景和意义

1.2智能机器人国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3路径规划技术的现状及展望

1.3.1传统路径规划方法

1.3.2智能路径规划方法

1.3.3路径规划方法发展方向

1.4论文结构安排

第2章 人工鱼群算法基础分析

2.1人工鱼群算法概述

2.2人工鱼的行为模式

2.2人工鱼群算法的参数设置原则

2.3人工鱼群算法的流程

2.4 人工鱼群算法的不足

2.5 本章小结

第3章 改进的人工鱼群算法

3.1基于精英保留和淘汰策略的人工鱼群算法

3.1.1算法改进的背景

3.1.2精英保留和淘汰策略的引入

3.1.3基于精英保留和淘汰策略鱼群算法流程

3.2基于精英保留和淘汰策略鱼群算法的算例分析

3.2.1测试函数

3.2.2全局搜索能力测试

3.2.3局部搜索能力测试

3.3基于和声算法的混合鱼群算法

3.3.1和声搜索算法的原理

3.3.2和声搜索算法与混沌因子的引入

3.3.3基于和声搜索的混合鱼群算法流程

3.4基于和声算法混合鱼群算法的算例分析

3.4.1测试函数

3.4.2参数设置

3.4.3结果分析

3.5 本章小结

第4章 基于改进算法的机器人路径规划研究

4.1环境建模

4.1.1模型建立

4.1.2路径表示方法

4.1.3行走约束条件

4.1.4确定适应度函数

4.1.5路径规划流程概述

4.2仿真分析

4.2.1 改进算法的路径规划研究

4.2.2 基于不同算法的路径规划对比

4.2.3 25×25栅格复杂环境下的路径规划对比

4.2.4 死胡同环境下的路径规划测试

4.3 本章小结

第5章 总结与展望

5.1 全文总结

5.2 展望

参考文献

致谢

在学期间发表的学术论文和参加科研情况