基于粒子群算法的移动机器人路径规划

目  录

摘要 I

Abstract II

1 引言 1

1.1 课题背景及意义 1

1.2 主要研究内容及关键问题 3

1.3 论文结构 3

2 机器人路径规划概述 5

2.1 路径规划的定义 5

2.2 路径规划问题的分类 5

2.3 环境建模 6

2.3.1 可视图法 6

2.3.2 栅格法 7

3 粒子群算法概述 8

3.1 粒子群算法的基本原理 8

3.2 基本粒子群算法的数学模型 9

3.2.1 对粒子个体的抽象 9

3.2.2 问题空间的描述 10

3.2.3 寻找路径的抽象 10

3.2.4 信息素挥发的抽象 10

3.2.5 启发因子的引入 10

4 基于粒子群算法的机器人路径规划 12

4.1 环境建模 12

4.2 算法的描述 13

4.3 算法的步骤 14

5 仿真实验及结果分析 17

5.1 仿真实验 17

5.2 结果分析 18

6 结束语 21

参考文献 22

致谢 23

6 结束语

机器人技术作为20世纪人类最伟大的发明之一，从某种意义上讲，反映了这个国家综合技术实力的高低。目前，机器人已在工业领域得到了广泛应用，并且正在极快的速度不断向军事、医疗、服务、娱乐等非工业领域扩展。毋庸质疑，2l世纪机器人技术必将得到更大的发展，成为各国必争的知识经济制高点。移动机器人的路径规划是一种比较典型的优化问题，本身具有复杂性、约束性、非线性、建模规范等特点[18]，目前对路径规划算法的研究方兴未艾，尤其是新型的粒子群算法。

粒子群算法的正反馈性、协同性和隐含的并行性使其具有极强的发展潜力，灵活性使其在解决组合优化问题上具有良好的适应性，因此将粒子群算法应用于智能移动机器人避障的路径规划问题研究，能够探索与改进一种新的路径优化算法，促进优化理论与实践的发展，并且为经济领域以及工程领域的优化问题提供借鉴。

但是粒子群算法也有许多不足之处，如容易陷入局部最优解等。但在空间复杂度上与传统算法相比，是有优势可言的。同时，此算法是一种基于种群的鲁棒性较强的模拟进化算法。针对这些特点，可以利用粒子群算法进一步解决实际动态路径规划问题，这将是我们继续深入研究的重点。