改进的进化编程及其在机器人路径规划中的应用

改进的进化编程及其在机器人路径规划中的应用

ID:4146578

大小:230.47 KB

页数:5页

时间:2017-11-29

改进的进化编程及其在机器人路径规划中的应用_第1页
改进的进化编程及其在机器人路径规划中的应用_第2页
改进的进化编程及其在机器人路径规划中的应用_第3页
改进的进化编程及其在机器人路径规划中的应用_第4页
改进的进化编程及其在机器人路径规划中的应用_第5页
资源描述:

《改进的进化编程及其在机器人路径规划中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第uu卷第y期机器人ΡΟΒΟΤ∂²¯quuo²qyusss年tt月²√qousss文章编号}tssu2swwykussslsy2sw

2、s2sxΞ改进的进化编程及其在机器人路径规划中的应用李枚毅tu蔡自兴ktq湘潭师院应用数学与计算机应用研究所湘潭wttust~uq中南工业大学信息工程学院长沙wtss{vl摘要}本文对进化编程中的变异概率进行改进o提高了进化计算的速度o并运用于机器人路径规划o得到次优路径和可行的运算效率q关键词}进化编程~遗传算法~变异操作~机器人~路径规划中图分类号}×°uw文献标识码}1引言进化编程≈t k∞°o∞√²¯∏·¬²

3、±¤µ¼°µ²ªµ¤°°¬±ªl是qqƒ²ª¨¯等人于ys年代中期提出来的o他们为有限状态机的深化提出了进化编程来求解预测问题q这些机器的状态变换表o通过在对应的离散!有界集上进行均匀随机变异来修改q进化编程根据被正确预测的符号数来度量适应值q进化编程!遗传算法和进化策略是三种主要的典型进化算法o进化编程与其他两种算法的区别是它没有交叉操作q通常的进化编程中o从上一代种群产生下一代种群的变异概率是固定的o本文提出了按种群中各个基因的适应度状况采用与其相适应的变异概率的思想o以提高进化效率q机器人的路径规划是指}有一台机器人及其环境描述o要规划出一条

4、从已知的起始位置出发!绕过障碍物!到达预先规定的终止位置!并满足某些优化条件的路径q已有很多路径规划研究成果≈u∗x o如构型空间法!人工势场法!边界距离模型等o但都遇到了不同程度的困难o比如计算太复杂!不能处理变化着的环境!不能处理不确定因素等等q因此寻找切实可行的路径规划方法是很多研究人员正在进行的课题q利用遗传算法≈y o÷¬¤²q等人设计了一种移动机器人进化规划系统o在该系统中o路径由一个个节点组成o节点由ξ和ψ坐标和一位表示路径通畅与否的状态来表示o基因与路径相对应o目标函数由三个部分组成}路径长度!光滑度和距离障碍物程度o根据实际情况规

5、定了八种遗传操作q本文在此基础上o利用改进的进化编程o并精减遗传操作为五种o得到了更好的效果}该系统可以满足不同优化准则o得到次优路径和更好效率o适应各种情况变化o具有良好的鲁棒性q2进化编程的改进进化编程的不足之一是可能陷入局部极小o变异操作正是为解决局部极小问题而使用的o变异操作的概率取得大o搜索空间相应也大o进化过程中产生全局次优解k±¨¤µ2²³·¬°¤¯¬·¼l的Ξ基金项目}本研究获得国家自然科学基金会和湖南省科研专项基金资助q收稿日期}usssptspux第uu卷第y期李枚毅等}改进的进化编程及其在机器人路径规划中的应用w

6、t机会也就会

7、大o但同时也可能会使已接近最优的解产生偏离q总之变异操作的概率过大会引起进化过程不稳定q为了克服陷入局部极小的问题o一般变异操作的概率根据种群中最大适应度的变化情况而发生变化}种群中最大适应度基本不变化o而对应最大适应度的个体并不能满足优化要求o就将变异概率适当取大一些o再在若干代后o将变异概率放小q我们仔细分析一下进化过程陷入局部极小时群体中个体的情况}有一部分个体k包括适应度最大的个体l在局部极小附近排回o可能另有一部分个体正朝着最优解的方向缓慢前进q对前一部分个体需加大变异概率使之跳出局部极小o对后一部分个体需减小变异概率使之加速向最优解逼近

8、o这样才能加快进化过程o提高进化计算的速度q据此o不应对整个群体取相同的变异概率o而应对不同的个体设置相适应的变异概率o或者将整个群体按是否陷入局部极小的情况分成几个子群体o对子群体选择合适的变异概率q3进化编程在机器人路径规划中的应用3q1个体的编码方法一条路径是从起始位置到终止位置!由若干线段组成的折线o线段的端点叫节点k用平面坐标kξoψl表示lo一条路径上的节点个数是变化的o绕过了障碍物的路径为可行路径q一条路径对应种群中的一个个体k染色体lo用路径上的节点坐标kξoψl和状态量β组成的表来表示o状态量β用来刻划节点是否在障碍物内和本节点与

9、下一节点组成的线段是否与障碍物相交q个体π可表示如下}π¾kξtoψtoβtlokξuoψuoβulo,,okξνoψνoβνlÀ其中kξtoψtlokξνoψνl是固定的o分别表示起始位置和终止位置q个体按随机方式产生o预先给定个体的最大长度Νo随机产生区间≈uoΝ内的一个整数ν作为个体π的长度o再按随机方式产生νpu个坐标点kξuoψulo,,okξνptoψνptlq群体的大小是预先给定的常数Πq3q2适应度函数适应度函数的选择在遗传算法中是相当重要的o它是引导遗传算法向问题最优解逼近的关键因素q对于具有约束性能指标的最优问题o可以取性能指标

10、或性能指标的变换作为适应度函数q本文讨论的问题是求一条最短路径o约束条件是路径与障碍物不交o并且要求与障碍物有一定的距离q

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。