SWARM算法在機器人路徑規(guī)劃中的應用.pdf

1、路徑規(guī)劃是移動機器人導航系統(tǒng)中最重要的任務之一。地圖已知的全局路徑規(guī)劃是機器人路徑規(guī)劃中比較基礎的課題，目前雖然已存在許多優(yōu)化算法用來解決該問題，但這些算法存都存在一定局限性，如當算法的約束條件較多時，很難求解復雜環(huán)境的路徑規(guī)劃問題等。群集智能算法是一種概率搜索算法，它沒有集中控制約束條件，不會因為個別個體的故障影響整個問題的求解，具有較強的魯棒性，所以在機器人全局路徑規(guī)劃應用中具有較顯著的優(yōu)點。本文根據(jù)機器人路徑規(guī)劃算法的研究現(xiàn)狀和向

2、智能化、仿生化的發(fā)展趨勢，研究基于群集智能(SWARM Intelligence)的機器人全局路徑規(guī)劃方法。 本文包括三方面的研究，首先開展群集智能算法在規(guī)劃問題算法中的應用研究，并分析群集智能算法的參數(shù)選擇和算法的收斂性，提出算法中存在的算法停滯問題以及收斂速度和全局搜索能力這對矛盾；其次研究地圖建模和路徑編碼問題，將群集智能算法結(jié)合地圖建模和路徑編碼問題進行分析；最后基于不同地圖建模方法下對兩大群集智能算法的蟻群算法和粒子群

3、算法進行比較，并展開了將地圖建模和規(guī)劃算法系統(tǒng)結(jié)合的討論。 本文的研究的主要成果和創(chuàng)新點是：1)針對蟻群算法路徑規(guī)劃提出信息素限定和自適應信息素揮發(fā)系數(shù)兩種改進方法，從而消除算法停滯現(xiàn)象；2)針對粒了群算法路徑規(guī)劃提出自適應慣性因了的改進方法，使算法在早期有較強全局搜索能力，后期加快的收斂速度；3)分析傳統(tǒng)的地圖建模方法在群集智能算法應用時的局限性，提出一種基于坐標變換后的柵格地圖建模新方法，使算法能滿足運算速度快和精度高的要求