复杂动态环境下的小型足球机器人路径规划研究

论文摘要

机器人足球比赛作为人工智能领域的标志性和挑战性的课题受到国内外学者的广泛关注,开展足球机器人研究也是人工智能从基础理论走向实际应用的一个战略性步骤。路径规划主要应用于机器人底层策略中,它的优劣直接影响动作的实时性和准确性,其性能又直接影响足球机器人的工作效率。目前,静态环境下的路径规划技术已经取得了丰硕成果,但是满足复杂动态环境下的路径规划算法还处于进一步完善阶段,因此设计和开发能满足复杂动态环境下的路径规划算法具有重要的理论意义和实际应用价值。路径规划即为依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最少等),在其工作空间中寻找一条从起始点到目标点的能避开障碍物的最优路径。主要涉及的问题包括:对足球机器人的工作环境构造合适的模型,再用某种算法寻找一条从起始点到目标点的最优或近似最优的无碰撞路径。目前,足球机器人的路径规划技术已经取得了丰硕成果。但是没有一个方法是完美的,每个方法都有其自身的优点和不可避免的缺点,因此需要不断的更新和改进。本课题正是在此基础上,展开了对小型足球机器人的路径规划研究。第1章绪论部分首先介绍了本课题的研究背景和选题意义;接着对足球机器人和小型足球机器人作了简要介绍,之后对路径规划算法的国内外现状、评价准则和发展趋势进行了总结和分析;最后介绍了本文的主要研究内容和论文结构。第2章主要介绍用于局部路径搜索的粒子群优化算法。首先对粒子群算法的基本理论进行了简单介绍,包括算法的来源、一些参数的分析和算法的实现流程;接着将粒子群算法、遗传算法和蚁群算法进行比较,简要介绍了算法的优缺点;之后介绍了现今一些学者对粒子群算法进行改进的方向;最后介绍了粒子群优化算法在各个不同领域的应用。第3章为全文关键所在,设计算法实现足球机器人的路径规划。首先介绍用于环境建模的栅格法。栅格法环境建模简单,只要搜索算法设计的合适就一定能求得问题的最优解,而且可以与多种成熟的算法和技术结合使用,因此本课题采用栅格法的坐标法对整个机器人的工作环境构造模型,进行全局路径规划。然后对粒子群优化算法的种群初值,迭代公式和适应度函数进行改进,并结合栅格法对小型足球机器人进行路径规划。该方法提高了规划的速度及精度,解决了各种路径规划算法易陷入局部极值和无法躲避动态障碍物的问题,满足了路径长度与行走时间的平衡,规划出了一条平滑避障的最优路径。第4章为仿真实验系统的设计部分。为验证算法的可行性和有效性,利用MATLAB语言设计了仿真实验系统,对实验系统的设计界面和功能进行了详细介绍。第5章将标准粒子群算法和本课题设计的算法进行对比研究,证明本课题设计算法的有效性和实用性。首先将标准测试函数应用于标准粒子群优化算法中,证明标准PSO可以解决多种问题;之后假设标准PSO可以应用于小型足球机器人的路径规划中,通过仿真实验证明了假设成立;最后将改进后的算法应用于小型足球机器人的路径规划中,并与标准PSO相比较,仿真实验证明了改进后算法优于标准PSO,并且具有较强的可靠性。第6章全文总结及展望。总结本文的研究成果并指出需要进一步改进的地方。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.2 足球机器人
• 1.2.1 足球机器人比赛的发展
• 1.2.2 小型足球机器人简介
• 1.3 路径规划算法
• 1.3.1 路径规划算法的国内外发展
• 1.3.2 路径规划算法评价准则
• 1.3.3 路径规划算法发展趋势
• 1.4 主要研究内容
• 1.5 本文的结构安排
• 第2章 粒子群优化算法理论分析
• 2.1 粒子群算法简介
• 2.1.1 基本粒子群算法
• 2.1.2 标准粒子群算法
• 2.1.3 参数分析及设置
• 2.1.4 基本流程
• 2.2 粒子群算法与其他算法的比较
• 2.3 粒子群优化算法的改进
• 2.4 粒子群优化算法的应用
• 2.5 本章小结
• 第3章 基于改进粒子群优化算法的足球机器人路径规划
• 3.1 栅格法环境建模
• 3.1.1 栅格法简介
• 3.1.2 栅格法建模步骤
• 3.1.3 机器人工作环境建模
• 3.2 改进粒子群优化算法的路径规划
• 3.2.1 种群初值和迭代公式
• 3.2.2 适应度函数设计
• 3.2.3 标准粒子群优化算法应用于路径规划实现流程
• 3.2.4 改进后算法应用于路径规划实现流程
• 3.3 本章小结
• 第4章 仿真实验系统的设计和建设
• 4.1 仿真实验系统的功能
• 4.2 仿真实验系统的设计
• 4.3 本章小结
• 第5章 实验内容与结果分析
• 5.1 标准测试函数的仿真实验
• 5.1.1 标准测试函数
• 5.1.2 参数设置
• 5.1.3 仿真实验
• 5.1.4 结果分析
• 5.2 标准PSO 与改进后算法的仿真实验
• 5.2.1 参数设置
• 5.2.2 仿真实验
• 5.2.3 结果分析
• 5.3 本章小结
• 第6章 总结与展望
• 6.1 研究工作总结
• 6.2 展望
• 参考文献
• 致谢
• 附件一 改进后粒子群优化算法程序
• 附件二 攻读学位期间参加的科研项目和成果