基于免疫进化与协同进化的移动机器人路径规划

摘要

移动机器人的研究和开发近年来受到了人们的高度重视。人们要求机器人在运动过程中能够根据周围环境的变化而自主的采取相应措施的能力也越来越强。因此，作为机器人智能的一个重要因素--路径规划就显得尤为重要。路径规划是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。本文作者主要针对移动机器人路径规划及其相关的一些关键技术展开了研究。论文的主要研究工作如下： 首先介绍了移动机器人路径规划及其相关理论(包括机器人导航、人工免疫系统和协同进化计算等三个方面)的研究背景和国内外研究现状。接着重点探讨了结合免疫进化和协同进化算法的单机器人和多机器人路径规划问题。 对于单机器人路径规划，针对现有基于进化算法的路径规划方法所存在的易陷入局部最优和缺乏指导性的缺点，本文作者提出了一种基于免疫进化的路径规划方法。该方法针对机器人路径规划的实际应用，优化了变异算子，引入了免疫接种，免疫克隆等免疫机制，使得较优个体能较早的生成，从而保证了算法的收敛速度和种群的多样性，防止了早熟收敛，提高了全局搜索能力。仿真结果表明，该方法对复杂地图有良好的适应能力，能有效地保证路径的规划效率并改善路径规划的质量。 针对多机器人路径规划的特点，根据协同进化模型以及免疫机制，提出了一种基于协同免疫进化的多机器人路径规划方法。该方法通过免疫进化方法在保证单个机器人路径的质量的同时，同时利用各群之问的信息交换，有效的保证机器人互相之间的路径的协调性，在机器人避障的同时有效的避碰。通过仿真实验和机器人实验表明，该方法能有效果的对多机器人进行路径规划。

目录

文摘

英文文摘

声明

第一章概述

1.1研究背景

1.1.1机器人导航与路径规划

1.1.2协同进化计算

1.1.3人工免疫系统

1.2研究现状

1.2.1机器人导航与路径规划

1.2.2协同进化计算

1.2.3人工免疫系统

1.3主要研究内容与章节安排

第二章免疫克隆算法

2.1免疫克隆算法

2.1.1免疫克隆算法步骤

2.1.2算子定义

2.1.3相关优化

2.2仿真实验

2.3本章小结

第三章基于免疫进化的单机器人路径规划

3.1基于免疫进化的移动机器人路径规划

3.1.1算法步骤

3.1.2路径编码

3.1.3适应度函数

3.1.4变异算子

3.1.5疫苗接种

3.1.6免疫选择

3.2仿真实验

3.3本章小结

第四章协同进化算法

4.1协同进化算法模型

4.1.1问题的分解

4.1.2协同进化算法流程

4.1.3适应度计算

4.1.4合作者的选取

4.2本章小结

第五章基于协同免疫进化的多机器人路径规划

5.1基于协同免疫进化的多机器人路径规划

5.1.1多机器人路径规划问题

5.1.2问题的分解

5.1.3算法步骤

5.1.4路径的编码

5.1.5适应度的计算

5.1.6免疫进化

5.2实验

5.2.1仿真实验

5.2.2机器人实验

5.3本章小结

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢

攻读学位期间主要研究成果