基于进化计算的多智能体机器人路径规划分析

《基于进化计算的多智能体机器人路径规划分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中南大学硕士学位论文摘要摘要多智能体机器人系统凭借单体机器人系统所不能比拟的诸多优点，正逐渐成为机器人学研究的一个重要方向。在多智能体机器人的研究中，路径规划是关键的问题之一。它是机器人执行各种任务的基础，反映了机器人在运动过程中与周围环境交互的能力。多智能体机器人在复杂环境下的路径规划尤具现实意义。本文提出了两种新的方法来解决多智能体机器人在复杂环境下的路径规划问题。第一种是基于差分进化的多机器人路径规划方法，第二种是基于协同进化的多机器人路径规划方法，经计算机仿真实验验证，两种方法均具有很好的收敛性、鲁棒性和较高的规划速度和跟踪精度。基于差分进化算法的路径规划方法是

2、将一种新型的进化方法一差分进化引入到多机器人的路径规划中来，它具有并行性、易用性、良好的鲁棒性和强大的全局寻优能力的特点使其克服了传统的遗传算法路径规划效率低、遗传操作复杂的缺点。同时，有效地解决了人工势场路径规划方法容易出现早熟收敛和陷入死锁等问题。基于协同进化的多机器人路径规划方法是采用多个机器人协同进化的思想来优化整体的规划路径。其克服了传统的进化算法路径规划速度慢的缺点，加速了多机器人路径的整体协调规划，保持学习结果的多样性、避免路径规划陷入局部最优。关键词多智能体机器人，路径规划，进化计算，差分进化，协同进化中南大学硕士学位论文ABSTRACTABSTRACT

3、Multi-agentRobotSystem(MARS)withsinglerobotsystem，whichcannotmatchthemanyadvantagesofroboticsisgraduallybecominganimportantresearchdirection．PathplanningisoneofthemostfundamentalandmostimportanttasksinMulti-AgentRobotsSystem．Anditshowstherobot’Sexchangingabilitywitharoundenvironment．ther

4、efore，PathPlanningResearchforMulti-AgentRobotincomplexenvironmentsisimportantandpractical．Inthisthesis，pathplanningproblemforMulti-Agentrobotsincomplexenvironmentsiscomprehensivelystudiedandtwomethodsarepresentedtodealwiththeproblem．ThefirstmethodisbasedontheDifferentialEvolution．Andthes

5、econdoneissuggestedbyCo-Evolutionmethod．Theresultofcomputersimulationshowsthatthetwomethodshasagoodconvergence，robustnessandhighplanningspeedandtrackingaccuracy．ThepathplanningmethodbasedonDifferentialEvolutionary(DE)algorithmisanewtypeofevolutionaryapproach．DEwillbeintroducedtothemulti-

6、robotpathplanning，itpossessedaparallel，easeofuse，robustnessandgoodstrongglobaloptimizationtheabilitytoovercomethetraditionalcharacteristicsofthegeneticalgorithmpathplanningevolutioninefficient，complexgeneticoperationdefects．Meanwhile，aneffectivesolutiontotheartificialpotentialfieldpathpl

7、anningcapacityinprematureconvergenceanddeadlockispresentedinDE．TheCo—Evolution(CE)algorithmsformulti—robotpathplanningisusedathinkingofmultiplerobotCO-evolutiontooptimizetheoverallplanningpath．Theshortcomingsofslowpathplanninginthetraditionalevolutionarycomputationapproac