多目标遗传算法在机器人路径规划中的应用

论文摘要

机器人技术是多个学科的结合体,其涉及到计算机、、人工智能、控制论、仿生学、信息和传感技术等,它也是现代科学进步的一个重要标志。机器人应用的领域也十分广泛,如建筑、医疗、消防等,它是结合了人的特长和机器的灵敏性、工作长效性的一个电子机械装置。本文要研究的内容主要是要针对于具有不同障碍物的二维空间中实现对机器人的路径规划。要达到的三个目标有：安全、路径尽量平滑、路径长度最短三个目标,并利用了MATLAB 7.0中Sheffield大学开发的遗传算法工具箱来实现。在遗传算法中主要的操作有种群的初始化、选择、交叉、变异等。一般在利用遗传算法解决问题的时候,种群都是随机生成的,具有一定的不确定性。本文在初始化种群时不采用随机的方式,而是对种群的生成和选取有一定的选择性。最后利用MATLAB仿真平台实现安全、路径尽量平滑、路径长度最短三个目标。并考察遗传参数的变化对运行结果的影响,同时考察非随机生成种群方式的有效性。非随机生成种群的方法是在机器人行走的起始点和终点之间的连线上等距离地取等分点,并以每个等分点为垂足做与起始点和终点之间的连线的垂线,在每条垂线上各生成一点,连接这些点便形成种群中的一个个个体。但是需要对这些生成点进行判断其是否在障碍物的内部,若在则不可取；反之可取。同时,还要判断各个生成点之间的部分路段是否与障碍物的边相交,若相交,则沿着障碍物的边缘行走；不相交则可取。这样就达到了每条路径都是可行的,保证了安全。若两段相邻的路径拐点过于尖锐,可以在这两段路径上随机生成点,通过增加结点的方式使得路径平滑。所以采用非随机方式生成种群也能够初步达到安全性和平滑性的两个目标。然后,采用权重系数法来给三个目标分配不同的权重。求路径长度时将每一段路径段的路径长度求和处理,取最短路径；平滑性能则要计算相邻两路径段之间的夹角大小,可以通过余弦定理进行求解,相邻的两路径段之间的余弦值均值越小,说明夹角均值越大,这是我们所希望的；安全性能要求障碍物的各个顶点与路径段的距离越远越好,即点到路径之间的距离越大越好,因为所求问题都是最小化问题,所以将点到路径段的距离求其倒数来实现其目标。最后,在MATLAB平台上进行仿真实验,并得出有效结论。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 多目标遗传算法路径规划的研究现状
• 1.3 本文的研究内容和结构
• 第2章 基于进化的多目标遗传优化技术
• 2.1 多目标优化的概念及相关技术
• 2.1.1 多目标优化的概念
• 2.1.2 多目标优化与遗传算法的关系
• 2.1.3 多目标遗传优化的相关技术
• 2.2 求解多目标优化遗传算法的方法
• 2.3 本章小结
• 第3章 环境建模及优化目标
• 3.1 环境建模方法
• 3.1.1 栅格法
• 3.1.2 链接图建模法
• 3.1.3 多面模型表示法
• 3.2 优化目标及设置
• 3.2.1 初始设置
• 3.2.2 遗传算子设置
• 3.2.3 目标函数设置
• 3.2.4 目标函数向适应度函数映射
• 3.3 本章小结
• 第4章 基于遗传多目标优化的机器人路径规划研究
• 4.1 初始路径
• 4.1.1 随机点的选取
• 4.1.2 随机点与障碍物的关系及处理方法
• 4.1.3 路径段与障碍物相交的解决方法
• 4.1.4 路径点过于尖锐的处理方法
• 4.2 实验结果及分析
• 4.2.1 仿真实验一
• 4.2.2 仿真实验二
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历