基于改进自适应遗传算法求解移动机器人路径的优化问题

《基于改进自适应遗传算法求解移动机器人路径的优化问题》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、第37卷第5期兰州理工大学学报V0L37No．52011年10月JournalofLanzhouUniversityofTechnologyOct．2011文章编号：1673-5196(2011)05-0041-05基于改进自适应遗传算法求解移动机器人路径的优化问题胡赤兵，冯无恙(1．兰州理工大学数字制造技术与应用省部共建教育部重点实验室，甘肃兰州73005012．兰州理工大学机电工程学院，甘肃兰州730050)摘要：通过对遗传算法进行自适应改进，计算出能够随时适应的遗传算子，克服了传统遗传算法的早熟收敛问题．通过运用序号

2、法设定各货位在工作环境中的位置，建立移动机器人拣选作业的数学模型，运用改进自适应遗传算法对初始路径进行改进，得出最优解，并运用Matlab遗传算法工具箱对此进行仿真．实验结果表明，此方法收敛速度快，可以获得全局最优解，其移动机器人路径规划更加快速和有效．关键词：移动机器人；遗传算法I路径优化；自适应中圈分类号：TH24；11P242文献标识码：AOptimizationproblemofmobilerobotroutewithimprovedadaptivegeneticalgorithmHUChi-bing--。FENG

3、Wu-yang(1．KeyLaboratoryofDigitalManufacturingTechnologyandApplication。TheMinistryofEducation，LanzhouUniv．ofTech．，l~nzbou730050，China~2．CollegeofMeehano-ElectronicEngineering，LanzhouUniv．ofTeeh．，Lambou730050，China)Abstract：Bymeansofmodifieationofthegeneticalgorithm

4、tobecomeanadaptiveone，flgeneticoperatorwasfiguredouttomaketheadaptationrealizedatalltimes，SOthatovercomingtheprematureconvergenceinthetraditionalgeneticalgorithm．Bysettingupthepositionofcargoplaceintheworkenvironmentwiththeserialnumbermethod．amathematicalmodelwase

5、stablishedforthepickingoperationofthemobilerobot．Byusingtheimprovedadaptivegeneticalgorithm，theinitialpathwasmodifiedandtheoptimalSO-lutionobtained．ByusingMatlabgeneticalgorithmsbox。asimulationexperimentwasperformed．Itsre—suitshowedthatthismethodexhibitedafastconv

6、ergenceandcouldbeusedtogetflglobaloptimalsolu—tionSOthatthemobilerobotpathplanningwouldbequickerandefficient．Keywords：mobilerobot；geneticalgorithm；pathoptimization；adaptation移动机器人的路径规划问题可理解为一个有约性与早熟之间的矛盾．束的优化问题，它是指移动机器人按照某一性能指上述算法使问题的求解速度和规模有不同程度标(如行走路径总长度最短、消耗能量最

7、少等)，搜索的提高，但其共同的缺陷在于求解时间过长，存在着一条从起始点到目标点的最短路径．但这其中有约搜索空间大、搜索时问长、算法复杂、效率不高等问束条件，即机器人在运动过程中能安全、无碰撞的绕题，特别是当环境中存在大量复杂的不规则的障碍过所有的障碍物．目前国内外学者针对此问题展开物时，这些路径规划算法不能有效求解或者搜索效大量研究，如可视图法(visibilitygraph)、人工势场率低，甚至无法求解．法(artificialpotentialfieldmethod)、神经网络法遗传算法是一种借鉴生物界自然选择和自然选

8、(neuralnetwork)、蚁群算法(antcolonyalgorithm)择机制的随机化搜索算法，对于用传统搜索方法难等[1．移动机器人路径规划的难点在于局部最优以解决的复杂和非线性问题具有良好的适应性．许多研究表明，遗传算法在规划机器人路径中取得了收稿日期：2011-03-15较好的效果．但是遗