基于改进SPEA2算法的机器人路径规划研究.pdf

《基于改进SPEA2算法的机器人路径规划研究.pdf》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31卷第7期计算机仿真2014年7月文章编号：1006—9348(2014)07—0346—05基于改进SPEA2算法的机器人路径规划研究翁理国，王安，夏曼，纪壮壮(南京信息工程大学信息与控制学院，江苏南京210044)摘要：移动机器人的工作环境复杂且多变，决定了路径规划在移动机器人研究中的重要地位。传统的求解方法均无法同时优化多个目标且各自存在缺点，而SPEA2算法则非常适合求解存在多个优化目标的机器人路径规划问题，具有参数少、解集分布均匀的优点。但同时也存在早熟收敛和收敛速度慢的问题，从而影响

2、了路径规划效率。针对上述缺陷，对SPEA2算法加以改进，提出了采用种群多样性的自适应遗传概率调整公式，并且加入修复和平滑算子以提高路径规划效果。仿真结果表明，改进算法相比于经典SPEA2在收敛能力上有了较大的提高，得到的机器人行走路径也非常理想，为机器人路径规划的优化提供了参考。关键词：机器人路径规划；多目标进化算法；种群多样性；自适应交叉变异中图分类号：TP301．6文献标识码：BResearchonMobileRobotPathPlanningBasedonImprovedSPEA2Algori

3、thmWENGLi-guo，WANGAn，XIAMin，JIZhuang-zhuang(InformationandControlCollege，NanjingUniversityofInformationScience＆Technology，NanjingJiangsu210044，China)ABSTRACT：Therobotpathplanningplaysanimportantroleinmobileroboticsresearch．Becauseofthecomplicat-edworki

4、ngenvironment．thecurrentmainsolutionscannotoptimizemultiplegoalssimultaneouslyandtheirownshon·comingsexist．TheSPEA2iswellsuitedforsolvingthemobilerobotpathplanningproblemswithmultiplegoals，whichhastheadvantagesoflessparametersandevendistributionsolutio

5、nsets．Butatthesanletime，therearealsoprematureconvergenceandslowconvergencedefectsaffectingtheefficiencyofpathplanning．Tosolvethisproblem，animprovedadaptiveSPEA2algorithmWaSproposedinthepaper，whichinvolvesanadaptiveadjustmentstrategywhichchangesgeneticp

6、arametersbasedondiversityofpopulation，andspecialoperatorsforrobotpathplanning．ThesimulationresultsshowthattheimprovedSPEA2algorithmconvergenceabilityhasbeengreatlyimproved，andalltherobotswalkingpathsareideal．KEYWORDS：Mobilerobotpathplanning；MOEA；Popula

7、tiondiversity；AdaptiveCroSsoverandmutation1引言机器人的诞生是20世纪人类科学研究中最伟大的成就之一。仅仅在不到加年的时间里，就已经从无到有并不断扩大延伸到人类生活的各个领域之中。机器人路径规划是机器人研究领域内的一个重要内容，该问题可以描述为给定一个有障碍物的工作环境，以及起始位置和目标位置，按照某一性能指标，选择一条从起始点到目标点的行走路线，使机器人能够安全、无碰撞地绕过所有的障碍物。目前很多学者在机器人路径规划方面做了大量的研究并提出一些方法‘1．2

8、J，主要有栅格法和人工势场法等，但它们都存在着一些基金项目：国家自然科学基金资助项目(61105115)收稿日期：2013—09—23修回日期：2013—10—28---——346·--——不足。栅格法栅格的划分直接影响其规划结果，划分过细会导致存储空间需求剧增的问题。人工势场法结构简单，便于实时控制，其不足在于容易陷入局部最优解，导致无法寻找到全局最优。近年来，进化算法以其卓越的全局搜索能力，吸引了越来越多的学者对其进行研究。具有代表性的有PAES，NSGA一Ⅱ和S