基于分组蚁群算法的机器人路径规划研究

《基于分组蚁群算法的机器人路径规划研究》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、学位论文独创性声明Dl：J29552本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得直昌太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名(手写)：欲帝目签字日期：帅年11月f3Et学位论文版权使用授权书本学位论文作者完全了解直昌太堂有关保留、使用学位论文的规定，有权保留并向国家有

2、关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权直昌太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。同时授权中国科学技术信息研究所和中国学术期刊(光盘版)电子杂志社将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕士学位论文全文数据库》中全文发表，并通过网络向社会公众提供信息服务。(保密的学位论文在解密后适用本授权书)学位论文作者签名(手写)：涨巷f习导师签名(手写)：闭¨_勾签字日期：20／,,年J2月7

3、3日签字日期：加fo年f砂月¨日X～：乙00iIi摘要摘要机器人路径规划问题是机器人研究领域的重要内容，是机器人完成任务的安全保障及智能化程度的重要标志之一。蚁群优化算法(AntColonyOptimizationalgorithm，ACO)是由意大利学者Dorigo等人通过研究自然界蚂蚁觅食的行为，提出来的新型启发式优化算法。在复杂的优化问题方面，蚁群算法已经成为一种新的具有竞争力，并且很有发展前景的组合优化算法。本文主要研究的是全局静态环境下基于蚁群算法的机器人路径规划问题。首先，文中深入研究了

4、蚁群算法的基本原理及数学模型。包括信息素浓度，启发因子，状态转移概率等相关知识以及应用到经典TSP问题中进行求解。其次，对蚁群算法优化机器人路径规划的问题进行了深入研究，包括对栅格法建模的研究。通过分析得出蚁群算法存在搜索速度慢，易陷入局部最优及收敛速度慢等缺点。为了克服上述的缺点，本文设计出性能更优的分组蚁群算法并应用到机器人路径规划问题中。分组蚁群算法将蚂蚁分为两组，分别放在起点和目标点上相向而行搜索路径，在一定程度上缓解了信息素叠加现象，有助于增加解的多样性。为了进一步提高分组蚁群算法的性能，

5、针对具体的路径规划问题提出了基于多种策略的分组蚁群算法。多种策略包括复位策略、奖惩策略、最大最小策略、目标领域策略、路径交叉策略等五种策略。通过仿真实验表明，该算法性能较优，在任意复杂的工作环境中能规划出最优路径。最后，对论文的研究工作进行了总结，并提出了下一步的工作展望。关键词：蚁群算法；分组蚁群算法；机器人；路径规划；栅格法ⅡABSTRACTRobotpathplanninghasbecomeanimportantpartoftherobotresearchfield。ItCanguarante

6、ethattherobotcompletesthetasksafelyanditisoneofsymbolsofrobotintellectualizeddegree．AntColonyOptimization(ACO)algorithmwhichisproposedbyImlianscholarDorigoisanewheuristicoptimizationalgorithmanditisinspiredbyanalogyofbehaviorofrealants，whenlookingforfo

7、ods．Intheaspectofthecomplexoptimizedproblems，theAntColonyOptimizationalgorithmhasbecomeanewlycompetitivepowersolutionalgorithmwhichhasagooddevdopmentprospects．ThispapermainlystudiestherobotpathplanningproblembasedonAntColonyOptimizationalgorithminthegl

8、obalstaticenvironment．Firstly,in—depthresearchonthebasicprincipleandmathematicalmodelofAntColonyOptimizationalgorithm，includingpheromonetrail，heuristic，transitionprobabilityrelatedknowledgeandthesolvingproblemofapplicationtoclassicalpro