机器人路径规划算法探讨

机器人路径规划算法探讨

摘要：机器人路径规划问题被定义为一个障碍的工作环境中找到一个适当的从起点到终点的运动路径，机器人在运动过程中能安全无碰撞，绕过所有的障碍。屏障环境的机器人无碰撞路径规划是一个重要的研究课题，智能机器人，由于障碍物空间机器人运动规划的高度复杂性，使得这个问题一直没有得到很好的解决。路径规划问题的基础上，机器人的工作环境模型可以分为2类，一个是基于模型的路径规划，经营环境的整体的信息是可预测的；另一种是基于传感器的路径规划，环境信息完全未知或部分未知。 关键词：机器人路径规划算法

一、本文就常见的几种常见的路径规划算法及应用进行简单的探讨如下：

（一）遗传算法概念

遗传算法是根据达尔文的进化论，模拟自然选择的一种智能算法，“适者生存”是它的核心机制。遗传算法是从代表问题可能潜在解集的一个种群开始的。基于随机早期人口，根据的原则，优胜劣汰，适者生存，世代演化产生更好的人口大概。在每一代，根据问题域的个体适应度大小来选择个人，然后选定的个人在自然遗传学，遗传算子组合交叉和变异，产生代表性的解集的人口 。通过这些步骤，后生代种群比前代对于环境具有更好的适应性。人口最优个体解码后可作为近似最优解。

（二）遗传算法的特点

作为一种智能算法，遗传算法具有如下特点：①遗传算法在寻优过程中，只把适应度函数的值作为寻优判据。②遗传算法是由一个问题集合（种群）开始的，而不是从一个个体开始的。故而遗传算法的搜索面积很大，适合全局寻优。③遗传算法根据概率性的变换规则进行个体的优胜劣汰并推动种群的进化。④遗传算法具有隐含的并行性。⑤遗传算法具有自组织、自适应以及内在的学习性，同时遗传算法具有很强的容错能力。⑥遗传算法的基本思想简单。对于复杂的和非线性的问题具有良好的适应性。 （三）遗传算法的应用

遗传算法提供了一个整体框架地址复杂系统问题，它不依赖于俞特定领域的问题，问题的类型、 已是强的鲁棒性，所以广泛应用余许多科学： 功能优化遗传算法的经典应用，是遗传算法的性能评价的常见的例子，许多人建设的各种复杂的表格功能测试： 连续函数和离散函数，凸、 凹函数、 低维功能和高尺寸功能、 单式功能和更多峰值函数。一些非线性、 多模型、 多目标函数优化问题和其他优化方法很难解决，ga 你可以更好的结果。增加问题的规模，搜索空间的组合优化问题，将会迅速增加，有时的当前枚举方法和计算很难找到最佳的解决方案。实践证明，遗传算法、 组合优化问题的粒子非常有效。例如，已成功应用遗传算法解决旅行商问题、 背包问题、 装箱问题、 图形划分问题。此外，遗传算

法的生产调度、 自动控制、 机器人技术、 图像处理和机器学习，人工生命，遗传编码，已获得广泛的应用。 二、蚁群算法及其应用 （一）蚁群算法概念

蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由marco dorigo于1992年在他的博士论文中提出，灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法。

（二）蚁群算法的特点

①蚁群算法是一种自组织算法。在早期的算法，单一的人工蚂蚁障碍找到求解算法，久而久之，通过信息作用的激素，人工蚂蚁进化将找到一些解决办法更接近最优的解决方案，它是无序到有序的过程。

②蚁群算法的并行算法是一种基本的。每个蚁群搜索进程的对方，只能通过信息素通讯。因此，蚁群算法可以看作是一种分布式的多智能体系统，它在问题空间搜索算法开始是一个的解决方案，不仅提高了可靠性，这使得该算法具有强的全局搜索能力。 ③蚁群算法是一种积极的反馈的算法。从蚂蚁觅食中不难看到蚂蚁已设法找到最短路径的信息的过程取决于直接上的最短路径的积累，以及信息素的积累是一个积极的反馈过程。这种正反馈的过程进行初步的差距有不断扩大，并导致系统的最优解的方向发展。

④蚁群算法具有较强的鲁棒性。比较与其他算法、 蚁群算法、 初始对齐要求不高，外务大臣蚁群算法用于路由和搜索过程的初步结果不需要手动调整。第二，设立简单、 便于应用的蚁群算法求解组合优化问题的蚁群算法参数的殖民地，数目。 （三）蚁群算法应用

蚁群算法应用包括：二次分配问题、车间任务调度问题、车辆路线问题、机构同构判定问题、学习模糊规则问题、旅行社新旅游线路与旅行产品的制作等领域。 三、神经网络算法 （一）神经网络的概念

人工神经网络也被称为神经网络连接模式，它是一种动物模型，神经网络的行为特征，分布式并行处理算法的数学模型。网络依赖于复杂的系统，通过调整内部之间的联系，大量节点，以实现节能的目的，信息处理。

特征的神经网络模型的人工神经网络的主要网络连接拓扑，神经元的特点，学习规则。目前，近40种神经网络模型，其中有一个bp网络，传感器网络，自组织映射，神经，波尔兹曼机，自适应共振理论。系统的稳定性与联想记忆功能密切相关。 神经网络的应用

人工神经网络的非线性自适应信息处理能力，克服了传统人工智能方法的直觉，作为模型，语音识别，非结构化信息处理方面的缺陷，

使神经网络专家系统，模式识别，智能控制，组合优化，预测等领域得到成功应用。人工神经网络和其他传统方法相结合，将促进人工智能和信息处理技术的发展。近年来，人工神经网络模拟人类认知方式更深入的发展，模糊系统，遗传算法，进化机制相结合，形成智能计算，人工智能，已成为一个重要的方向，在实际的应用开发。信息几何学应用于人工神经网络的研究，人工神经网络理论开辟了一条新的途径。

机器人路径规划算法有很多，可以说有优点和缺点，目前还没有一个算法可以应用于任何场合。因此，各种新的算法被提出，一方面丰富了解决问题的手段，不同的情况下都能找到一个合适的算法；另一方面也不断吸收新的理论，促进学科发展。一个很好的算法，理论深度不高，但其使用；相反，原理简单，计算效率的算法是更容易被接受，关键是看最后达到的效果。 （作者单位：柳州城市职业学院）