基于改进遗传算法的机器人路径规划方法

汤云峰,赵 静,谢 非,李鑫煌,林智昌,刘益剑

(1.南京师范大学电气与自动化工程学院,江苏 南京 210023) (2.南京邮电大学自动化学院、人工智能学院,江苏 南京 210023) (3.江苏省物联网智能机器人工程实验室,江苏 南京 210023) (4.南京中科煜宸激光技术有限公司,江苏 南京 210038)

路径规划[1-2]有着广泛的应用. 静态环境下的路径规划适用于搬运机器人、搜救机器人等领域[3],这类问题均为静态情况下面向已知环境信息,如何安全地避开障碍物找到并到达目的地的最短路径问题[4-5]. 为解决此类问题,需先进行环境建模,最常用的方法是栅格法与多种智能仿生算法[6-7](如蚁群算法[8]、遗传算法[9]、人工鱼群算法[10]等)结合使用,但均存在一定的缺陷. 国内外学者对此进行了大量研究,一直在探索新的路径规划方法或改进已有算法. 遗传算法在路径规划领域是一种有效可行的优化方法,已有多种改进遗传算法被提出. 文献[11]在适应度函数中引入倒角算子,加快了收敛速度;文献[12]采用变长编码方案,避免了遗传算子的复杂化,节约了计算成本,使收敛速度加快;文献[13]提出一种改进的交叉算子,使得算法的早熟收敛得到明显改善,并提出了一种考虑距离、安全性和能量的新的适应度函数,有助于算法找到最优路径;文献[14]提出一种新的遗传修正算子,增强了改进的遗传算法逃出局部最优路径的能力;文献[15]提出自适应遗传算法,使收敛速度加快的同时保证了机器人行驶的安全性.

基本遗……