基于改进遗传算法路径规划问题的研究

周加全

(广西科技师范学院， 数学与计算机科学学院， 广西 来宾 546199)

0 引言

随着现代社会的发展，越来越多的人投入到人工智能的研究和发展中。而机器人的发展又是人工智能研究的基础。在机器人研究当中最重要的也是最基本的就是其相应的路径规划[1]。路径规划的实质就是在寻找最优路径的过程中，避开所有的障碍物，并顺利到达终点的过程[2]。目前，路径规划的研究方法主要趋向于智能化的算法。这种类型的算法主要有模糊逻辑控制算法、蚁群算法和遗传算法[3-5]，其中模糊逻辑控制算法的特点是鲁棒性特别好，能够实时控制，而且对环境的依赖性较弱，但模糊规则需要结合人工经验及其他方法共同制定，影响算法的性能[3]。蚁群算法是根据蚂蚁留下的信息多少来找出一条最优的路径，这种算法需要存储很多信息，在搜索过程中很容易出现混乱或停滞，导致算法不精确[4]。而遗传算法具有全局搜索的能力，计算量小且具有鲁棒性，大量的实验数据表明，传统的遗传算法在求解的过程中，精度较差，稳定性也不好[5-6]。

为此，本研究提出了一种改进型的遗传算法——模拟退火优化遗传算法，并对遗传过程中的交叉、变异进行调整，这样可以避免出现局部最优解，提高全局搜索的能力，由仿真结果得出：改进型的遗传算法在路径规划中具有很好的应用。

1 模拟退火算法的思想

模拟退火算法的原理是从某一较高初温出发，伴随温度参数的不断下降，在解空间中随机寻找目标函数并最终趋于全局最优，也就是模拟退火算法是通过模拟高温物体退火过程找到优化问题的全局最优解[7]。……