基于神经网络的进化机器人路径规划方法

摘要

针对进化机器人路径规划时，在一个环境里进化好的行为，当环境发生变化时，行为就不再具有适应性，需要重新进化与学习的问题。利用神经网络构建移动机器人传感器输入和执行器输出之间的映射关系，提出了一种基于神经网络的进化机器人的路径规划算法。该算法结合反应行为与行为学习的复合体系结构，将距离传感器信息和决策量作为样本库完成反应式行为，利用进化算法优化神经网络权值。在进化过程中，将新出现的样本不断地加入样本库，从而使机器人的高层智能行为逐步转换为低层本能行为。给出了算法的具体步骤，通过仿真实验证明该算法是行之有效的。