基于改进蚁群算法的机器人三维路径规划技术的研究

摘要

移动机器人的路径规划技术是机器人研究领域的关键技术之一。三维空间路径规划问题是在具有约束的环境中（如含有固定障碍物）按照一定的评价标准（如路径最短），规划出一条从起点位置到终点位置满足约束条件的相对最优路径。近年来，关于在三维空间中工作的移动机器人（如微型飞行机器人、无人机、无人水下航行器、自主式水下机器人、爬壁机器人等）的研究不断深入，三维空间的路径规划问题是此类机器人研究的基本问题之一，也是反映机器人智能水平的重要标志之一。有关三维路径规划问题的研究，人们从多方面进行了探索和研究，取得了很多成果，但仍存在一些问题有待深入研究。蚁群算法(ACO)是一种用于求解组合优化问题的新兴启发式优化算法，最初被用于求解旅行商问题。由于蚁群算法性能优异，至今仍然是人们研究的热点。
　　 本文根据移动机器人路径规划算法的研究现状以及向智能化发展的趋势，提出了一种基于改进蚁群算法的机器人三维空间路径规划方法。主要完成了如下工作:
　　 首先对国内外移动机器人路径规划技术的研究现状和方法进行了系统的归纳和总结，分析了其各自的优点和不足之处，为本论文的研究工作奠定了重要的基础。
　　 其次，介绍了基本蚁群算法的思想以及数学模型，描述了参数对基本蚁群算法性能的影响，介绍了评价算法的性能指标，并总结了基本蚁群算法的优缺点。
　　 再次，构造简单三维工作空间，采用栅格法建立机器人路径规划工作空间模型;对基本蚁群算法进行改进设计，并将改进蚁群算法用于移动机器人三维空间路径规划;用MATLAB软件进行仿真实验，仿真结果显示了改进蚁群算法在路径最优值以及路径规划时间上都要优于基本蚁群算法。
　　 最后，构造三维地形环境，同样采用栅格法建立机器人路径规划工作空间模型;运用改进蚁群算法进行机器人的三维地形路径规划，并用MATLAB软件进行仿真实验，仿真结果显示了改进蚁群算法的路径最优值以及路径规划时间都要优于基本蚁群算法;对算法的最佳性能指标、时间性能指标、鲁棒性能指标进行了比较分析，结果显示改进蚁群算法在各项指标上都要优于基本蚁群算法;紧接着对改进蚁群算法的收敛性进行分析，结论证明了改进蚁群算法的可行性。
　　 本文对基本蚁群算法主要做了如下改进:(1)将蚁群算法应用于三维路径规划过程中，把信息素释放在节点上而不是在节点边上，节省存储空间，降低运算量;(2)算法的启发式函数设计采用路径最短与路边约束相结合的策略，提高了算法的有效性;(3)信息素的更新策略采用全局信息素和局部信息素相结合的更新方式，能较好的克服基本蚁群算法计算时间长、易出现停滞等缺陷。

目录

摘要

1 绪论

1．1 引言

1．2 路径规划的数学定义

1．3 路径规划的环境建模方法

1．4 三维路径规划问题的分类

1．5 三维路径规划国内外研究现状

1．6 三维路径规划存在的问题

1．7 本文主要研究内容

2 蚁群算法原理及实现

2．1 蚁群优化算法的产生与发展

2．2 蚁群行为描述

2．3 基本蚁群算法数学模型

2．4 蚁群算法的参数选择原则

2．4．1 参数ρ对蚁群算法性能的影响

2．4．2 蚂蚁数目对蚁群算法性能的影响

2．4．3 参数α和β对蚁群算法性能的影响

2．4．4 α、β、ρ组合配置对蚁群算法性能的影响

2．5 蚁群算法的性能评价指标

2．6 基本蚁群算法的优缺点

2．7 本章小结

3 三维空间路径规划

3．1 三维路径规划问题的描述

3．2 环境建模与定义

3．3 基于蚁群算法机器人路径规划的原理

3．4 基于改进蚁群算法的三维空间机器人路径规划

3．4．1 信息素的表示

3．4．2 转移规则

3．4．3 信息素的更新规则

3．5 算法的仿真设计与分析

3．5．1 算法实现步骤

3．5．2 仿真与结果分析

3．6 本章小结

4 移动机器人三维地形路径规划

4．1 三维地形建模

4．2 算法的改进设计

4．2．1 启发式函数的设计

4．2．2 转移规则的设计

4．2．3 信息素更新策略的设计

4．3 算法的仿真实验及分析

4．3．1 算法流程设计

4．3．2 改进蚁群算法参数的选择

4．4 栅格划分对算法性能的影响

4．5 改进蚁群算法的性能分析

4．6 算法的收敛性分析

4．6．1 图搜索蚂蚁系统的收敛性研究

4．6．2 改进型蚁群算法收敛性分析

4．7 本章小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

攻读学位期间取得的研究成果

致谢

浙江师范大学学位论文诚信承诺书

声明