目 录
摘要 I
Abstract II
1 引言 1
1.1 课题背景及意义 1
1.2 主要研究内容及关键问题 3
1.3 论文结构 3
2 机器人路径规划概述 5
2.1 路径规划的定义 5
2.2 路径规划问题的分类 5
2.3 环境建模 6
2.3.1 可视图法 6
2.3.2 栅格法 7
3 粒子群算法概述 8
3.1 粒子群算法的基本原理 8
3.2 基本粒子群算法的数学模型 9
3.2.1 对粒子个体的抽象 9
3.2.2 问题空间的描述 10
3.2.3 寻找路径的抽象 10
3.2.4 信息素挥发的抽象 10
3.2.5 启发因子的引入 10
4 基于粒子群算法的机器人路径规划 12
4.1 环境建模 12
4.2 算法的描述 13
4.3 算法的步骤 14
5 仿真实验及结果分析 17
5.1 仿真实验 17
5.2 结果分析 18
6 结束语 21
参考文献 22
致谢 23
6 结束语
机器人技术作为20世纪人类最伟大的发明之一,从某种意义上讲,反映了这个国家综合技术实力的高低。目前,机器人已在工业领域得到了广泛应用,并且正在极快的速度不断向军事、医疗、服务、娱乐等非工业领域扩展。毋庸质疑,2l世纪机器人技术必将得到更大的发展,成为各国必争的知识经济制高点。移动机器人的路径规划是一种比较典型的优化问题,本身具有复杂性、约束性、非线性、建模规范等特点[18],目前对路径规划算法的研究方兴未艾,尤其是新型的粒子群算法。
粒子群算法的正反馈性、协同性和隐含的并行性使其具有极强的发展潜力,灵活性使其在解决组合优化问题上具有良好的适应性,因此将粒子群算法应用于智能移动机器人避障的路径规划问题研究,能够探索与改进一种新的路径优化算法,促进优化理论与实践的发展,并且为经济领域以及工程领域的优化问题提供借鉴。
但是粒子群算法也有许多不足之处,如容易陷入局部最优解等。但在空间复杂度上与传统算法相比,是有优势可言的。同时,此算法是一种基于种群的鲁棒性较强的模拟进化算法。针对这些特点,可以利用粒子群算法进一步解决实际动态路径规划问题,这将是我们继续深入研究的重点。