基于改进遗传算法行为参数优化的多机器人编队控制

摘要

编队控制是多机器人系统研究的一个重要问题，利用多机器人编队系统可以有效完成许多危险和复杂任务，其应用范围非常广泛。因此研究多机器人编队控制问题具有很重要的理论和现实意义。本文采用基于行为的虚拟领航员法来研究多机器人的编队控制，利用改进的遗传算法来优化行为参数。
　　 针对遗传算法在早期存在“早熟”和后期容易陷入局部最优解，而影响算法收敛性的问题，本文提出了多参数自适应遗传算法，该算法主要是对遗传算法的交叉概率、变异概率以及变异的位数采用自适应的方式进行选择。多参数自适应遗传算法在保持种群多样性的同时，提高了遗传算法的收敛性。测试结果表明改进的遗传算法具有更好的搜索最优解能力。
　　 在采用基于行为的虚拟领航员法来控制多机器人编队时，首先在队形的几何中心设置一个虚拟领航机器人来引领实体机器人的编队;然后定义了机器人的几种基本行为，采用Motor-Schema矢量合成法对机器人的基本行为进行合成;再利用改进的多参数自适应遗传算法优化机器人的行为参数。为了进行多机器人的编队控制仿真，在MATLAB软件平台上建立仿真环境空间，通过机器人行为参数优化前后的对比，可以发现利用优化后的多机器人编队行为参数，可以有效地提高编队性能，从而证明了该编队控制方法的可行性和有效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状和发展方向

1．2．1 国内外研究现状

1．2．2 编队研究的发展方向

1．3 本文主要的研究内容和章节安排

1．3．1 本文主要的研究内容

1．3．2 本文章节安排

第二章 多机器人编队控制系统

2．1 多机器人编队的基本问题

2．1．1 多机器人编队的队形形成

2．1．2 多机器人编队的队形保持

2．2 多机器人系统的体系结构

2．3 多机器人编队控制的方法

2．3．1 领航员跟随者法

2．3．2 基于行为的方法

2．3．3 人工势场法

2．3．4 虚拟结构法

2．3．5 基于一致性算法的方法

2．4 编队控制的关键技术

2．4．1 机器人的感知

2．4．2 多机器人编队系统通信

2．4．3 多机器人编队系统的协调协作

2．5 本章小结

第三章 遗传算法及其改进

3．1 基本遗传算法

3．1．1 遗传算法的基本原理

3．1．2 遗传算法的操作步骤

3．2 遗传算法参数的分析与选择

3．2．1 遗传算法参数对算法性能的影响

3．2．2 遗传算法控制参数选择

3．3 现有遗传算法存在的问题

3．4 基于多参数自适应的改进遗传算法

3．4．1 算法改进的思路

3．4．2 算法描述

3．5 改进遗传算法的实验与分析

3．5．1 测试函数仿真结果

3．5．2 测试仿真结果分析

3．6 本章小结

第四章 基于改进遗传算法的多机器人编队控制

4．1 机器人的模型

4．2 编队机器人的基本行为设计

4．2．1 奔向目标行为

4．2．2 保持队形行为

4．2．3 避免静态障碍物行为

4．2．4 躲避其它机器人行为

4．2．5 绕走行为

4．3 机器人行为的合成

4．4 多机器人编队控制算法

4．4．1 多机器人队形形成算法

4．4．2 多机器人编队控制的算法

4．4．3 多参数自适应遗传算法优化行为参数算法

4．5 多机器人编队控制的仿真

4．5．1 仿真环境建模

4．5．2 多机器人编队形成仿真结果

4．5．3 无障碍环境下多机器人编队控制仿真结果

4．5．4 有障碍环境下多机器人编队控制仿真结果

4．5．5 基于多参数自适应遗传算法的编队控制仿真结果

4．5．6 仿真结果分析

4．6 本章小结

第五章 总结与展望

5．1 论文工作总结

5．2 工作展望

参考文献

致谢