改进的粒子群优化算法及其在机器人路径规划中的应用研究

摘要

路径规划是移动机器人的关键技术之一，一直是学者们的广泛关注的热点。对于具有类人的外形、能直立步行的类人机器人，路径规划问题尤其重要。而如何得到全局最优或次优的满意路径，是规划问题的核心。粒子群优化算法，作为一种模拟鸟群觅食行为的群体智能算法，具有参数少、设计简单、易于实现等优点。本文以改进的粒子群优化算法为基础，以机器人的路径规划为对象，主要完成以下研究工作： 第一，综合分析了路径规划技术的研究现状与分类方法，从基本定义出发，描述了移动机器人路径规划问题。 第二，以基本粒子群优化算法为基础，对比了不同的改进方法，并结合移动机器人、特别是类人机器人路径规划的需要，给出了一种基于整数规划的粒子群优化算法的改进方案。 第三，结合移动机器人路径规划的特点，利用栅格法建立机器人的工作环境的空间模型，并将改进的粒子群优化算法应用到路径规划中，得到满意的规划路径。 最后，在仿真实验和机器人避障比赛中进行了实际应用，取得良好的仿真与实际效果。

目录

文摘

英文文摘

声明

第1 章绪论

1.1 研究背景及意义

1.2 路径规划概述

1.2.1 路径规划的研究现状

1.2.2 路径规划及其基本问题

1.2.3 路径规划的分类

1.3 群体智能优化算法简介

1.3.1 PSO算法与其他优化算法的比较

1.3.2 PSO算法的研究方向

1.4 本文主要内容

第2 章类人机器人及其路径规划方法

2.1 类人机器人概述

2.1.1 类人机器人的简介

2.1.2 类人机器人避障(HuroSot)简介

2.2 机器人路径规划的传统方法

2.3 机器人路径规划的搜索优化方法

本章小结

第3 章粒子群优化算法及其改进

3.1 基本粒子群优化算法

3.1.1 算法概述

3.1.2 算法流程

3.1.3 参数设置

3.2 改进的PSO优化算法

3.2.1 改变PSO参数的改进的算法

3.2.2 整数规划的PSO算法

本章小结

第4 章改进的PSO算法在路径规划中的应用

4.1 模型建立

4.1.1 栅格粒度的确定

4.1.2 障碍区域的处理

4.1.3 栅格地图类的建立

4.1.4 栅格与环境表示

4.2 基于改进的PSO算法的全局最优路径搜索算法

4.2.1 路径优化的解释

4.2.2 粒子有效性的表示

4.2.3 粒子适应值计算

4.2.4 路径的转化

4.2.5 参数设置与算法改进

本章小结

第五章 改进的PSO算法在机器人避障比赛中的应用

5.1 改进的PSO算法仿真结果

5.1.1 不同环境中的改进的PSO算法仿真

5.1.2 标准的PSO和改进的PSO算法比较

5.2 实际避障跑步比赛中的应用

本章小结

结论

参考文献

攻读硕士学位期间发表的论文、参与项目及所获奖励

致谢