基于改进SPEA2算法的机器人路径规划研究
- 文档名称：基于改进SPEA2算法的机器人路径规划研究
- 文档关注次数：1327
- 文档格式：纸质版或者PDF电子版（用Acrobat Reader打开）或Word版本doc格式
- 文档大小：2474KB
- 上传者：miniworm_luo
- 添加时间：2019/05/07
- 内容摘要：
第31卷第7期
计算机仿真
2014年7月
文章绵号:1006-9348(2014)07-0346-05
基于改进SPEA2算法的机器人路径规划研究
翁理国,王安,夏旻,纪壮壮
(南京信息工程大学信息与控制学院,江苏南京210044
摘要:移动机器人的工作环境复杂且多变,决定了路径规划在移动机器人研究中的重要地位。传统的求解方法均无法同时
优化多个目标且各自存在缺点,而SPEA2算法则非常适合求解存在多个优化目标的机器人路径规划问题,具有参数少、解
集分布均匀的优点。但同时也存在早熟收敛和收敛速度慢的问题,从而影响了路径规划效率。针对上述缺陷,对SPEA2算
法加以改进,提出了采用种群多样性的自适应遗传概率调整公式,并且加入修复和平滑算子以提高路径规划效果。仿真结
果表明,改进算法相比于经典SPEA2在收敛能力上有了较大的提高,得到的机器人行走路径也非常理想,为机器人路径规
划的优化提供了参考。
关键词:机器人路径规划;多目标进化算法;种群多样性;自适应交又变异
中图分类号:TP301.6文献标识码:B
Research on Mobile Robot Path Planning
Based on Improved SPEA2 Algorithm
WENG Li-guo, WANG An, XIA Min, JI Zhuang-zhuang
Information and Control College, Nanjing University of Information Science & Technology, Nanjing Jiangsu 210044, China
ABSTRACT: The robot path planning plays an important role in mobile robotics research. Because of the complicat-
ed working environment, the current main solutions cannot optimize multiple goals simultaneously and their own short
comings exist. The SPEA2 is well suited for solving the mobile robot path planning problems with multiple goals
which has the advantages of less parameters and even distribution solution sets. But at the same time, there are also
premature convergence and slow convergence defects affecting the efficiency of path planning. To solve this problem
an improved adaptive SPEA2 algorithm was proposed in the paper, which involves an adaptive adjustment strategy
which changes genetic parameters based on diversity of population, and special operators for robot path planning. The
simulation results show that the improved SPE A2 algorithm convergence ability has been greatly improved, and all the
robots walking paths are ideal
KEY ORDS Mobile robot path planning; MOEA; Population diversity; Adaptive crossover and mutation
1引言
不足。栅格法栅格的划分直接影响其规划结果,划分过细会
机器人的诞生是20世纪人类科学研究中最伟大的成就导致存储空间需求剧增的问题。人工势场法结构简单,便于
之一。仅仅在不到40年的时间里,就已经从无到有并不断实时控制,其不足在于容易陷人局部最优解,导致无法寻找
扩大延伸到人类生活的各个领域之中。机器人路径规划是到全局最优。
机器人研究领域内的一个重要内容,该问题可以描述为给定
近年来,进化算法以其卓越的全局搜索能力,吸引了越
个有障碍物的工作环境,以及起始位置和目标位置,按照来越多的学者对其进行研究。具有代表性的有PAES,NSGA
某一性能指标,选择一条从起始点到目标点的行走路线,使
Ⅱ和SPEA2等。多目标进化算法( MOEAS)可以同时对多
机器人能够安全、无碰撞地绕过所有的障碍物。目前很多学个目标进行优化,根据当前问题的需要从中挑选出合适解作
者在机器人路径规划方面做了大量的研究并提出一些方
为问题的最终解?。所以多目标进化算法非常适合于求解
法2,主要有栅格法和人工势场法等,但它们都存在着一些
需要对多个目标同时进行优化的机器人路径规划问题,具
有较高的研究价值和广泛的应用前景。
基金项目:国家自然科学基金资助项目(61105115)
本文针对经典SPEA2算法在解决机器人路径规划问题
收稿日期:2013-09-23修回日期:2013-10-28
过程中存在的容易陷人局部收敛和收敛速度慢问题,对
346一
万方数据