基于进化计算的多智能体机器人路径规划研究

论文摘要

多智能体机器人系统凭借单体机器人系统所不能比拟的诸多优点,正逐渐成为机器人学研究的一个重要方向。在多智能体机器人的研究中,路径规划是关键的问题之一。它是机器人执行各种任务的基础,反映了机器人在运动过程中与周围环境交互的能力。多智能体机器人在复杂环境下的路径规划尤具现实意义。本文提出了两种新的方法来解决多智能体机器人在复杂环境下的路径规划问题。第一种是基于差分进化的多机器人路径规划方法,第二种是基于协同进化的多机器人路径规划方法,经计算机仿真实验验证,两种方法均具有很好的收敛性、鲁棒性和较高的规划速度和跟踪精度。基于差分进化算法的路径规划方法是将一种新型的进化方法一差分进化引入到多机器人的路径规划中来,它具有并行性、易用性、良好的鲁棒性和强大的全局寻优能力的特点使其克服了传统的遗传算法路径规划效率低、遗传操作复杂的缺点。同时,有效地解决了人工势场路径规划方法容易出现早熟收敛和陷入死锁等问题。基于协同进化的多机器人路径规划方法是采用多个机器人协同进化的思想来优化整体的规划路径。其克服了传统的进化算法路径规划速度慢的缺点,加速了多机器人路径的整体协调规划,保持学习结果的多样性、避免路径规划陷入局部最优。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的意义
• 1.2 课题研究的国内外现状
• 1.3 课题的研究方法概述
• 1.3.1 遗传算法
• 1.3.2 强化学习方法
• 1.3.3 其它多机器人路径规划算法
• 1.4 进化算法在课题研究中的应用前景
• 1.5 本文的研究内容
• 1.6 本文的结构安排
• 第二章 进化计算简介
• 2.1 进化算法的主要内容及特点
• 2.1.1 遗传算法（Genetic Algorithms）
• 2.1.2 进化策略（Evolution Strategies）
• 2.1.3 进化规划（Evolutionary Programming）
• 2.1.4 遗传规划（Genetic Programming）
• 2.2 进化算法的算法描述
• 2.3 进化算法的发展与应用
• 2.3.1 进化算法的发展
• 2.3.2 进化算法的应用
• 第三章 基于差分进化的多机器人路径规划方法
• 3.1 多机器人路径规划问题描述
• 3.1.1 多机器人路径规划的判优标准
• 3.1.2 多机器人的运动学模型
• 3.1.3 动态障碍环境建模
• 3.1.4 机器人对障碍物运动的预测
• 3.2 差分进化算法
• 3.2.1 变异操作
• 3.2.2 交叉操作
• 3.2.3 选择操作
• 3.2.4 差分进化的参数设置
• 3.2.5 差分进化的特点与研究领域
• 3.3 差分进化在多机器人路径规划中的应用
• 3.4 算法仿真与结果分析
• 3.4.1 算法仿真
• 3.4.2 结果分析
• 3.5 本章小结
• 第四章 基于协同进化的多机器人路径规划方法
• 4.1 协同进化方法原理
• 4.1.1 协同进化的基本思想
• 4.1.2 协同进化的特点
• 4.2 协同进化方法在路径规划中应用
• 4.2.1 基于协同进化的路径规划方法
• 4.2.2 协同进化的路径规划算法描述
• 4.3 算法仿真及结果讨论
• 4.3.1 算法仿真
• 4.3.2 结果分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果