基于遗传算法的移动机器人路径规划的研究.pdf

分类号 密级
UDC 编号



硕 士 学 位 论 文

基于遗传算法的移动机器人路径规划的研究


学 位 申 请 人： 赵 媛
指 导 教 师： 顾建军 教授
学 科 专 业： 计算机应用技术
学 位 类 别： 工学硕士


2014 年 5 月
论文题目： 基于遗传算法的移动机器人路径规划的研究
专 业： 计算机应用技术
研 究 生： 赵 媛
指导教师： 顾建军 教授
摘 要
移动机器人是一类在复杂的环境下进行工作的，具有自规划、自组织、自适
应能力的机器人。移动机器人的研究开始于上世纪六十年代，经过近半个世纪的
发展，机器人技术越来越先进全面，其应用范围也越来越广，不仅能在焊接、货
物搬运等领域进行应用以降低生产成本，还能在处理核废料、科学探测和考察深
海资源等对人类过于危险恶劣的领域代替人类完成任务。因此，机器人技术已经
得到全世界范围的广泛关注，并成为一个的重要标志。
智能优化算法在路径规划中的应用有其独特的优势，与传统的规划算法相
比，更能适应动态环境，并像人一样进行决策。遗传算法由于其自身的特点，对
于所解的目标问题没有太多限制，可以灵活的处理问题，并且善于解决复杂问题
和非线性问题，具有良好的隐含并行性和全局搜索能力。因此在移动机器人路径
规划中得到了广泛的重视，并取得了一系列的成果，但是容易陷入局部最优和早
熟收敛。
本文采用栅格法建模和改进遗传算法相结合的办法，分别对静态环境和动态
环境下的移动机器人路径规划进行了研究。首先在栅格法建模时，采用序号编码
的方式，仅在自由栅格中进行搜索，使得生成的初始种群为不包含障碍栅格的可
行或者间断的路径。在进行遗传操作时，编码方式采用基于栅格序号的不定长染
色体，并且分别设计了静态适应度函数和动态适应度函数，静态适应度函数主要
考虑路径长度，动态适应度函数考虑了路径长度、是否在安全范围内以及能否动
态避碰这三个因素。除了选择、交叉、变异等三个基本的操作算子之外，还设计
了三种优化算子：插入算子用于将间断路径转变成连续路径；删除算子用于删除
路径中的冗余点以减少路径长度；平滑算子用于优化路径使其更加平滑。
通过在两种不同的环境地图模型下，在静态环境下进行仿真实验，并与基本
遗传算法进行了对比，在动态环境下，分为环境中有新增的静止障碍和环境中有
移动障碍物两种情况，分别进行实验仿真，并将实验数据结果进行了统计。验证
了算法的可行性和有效性，证明该算法能以较高的成功率规划出可行路径，并且
I
产生的路径较短，能成功避碰，证明了算法的优越性。

关 键 词：移动机器人，路径规划，栅格法，遗传算法，改进
论文类型：应用基础研究



II
Subject: The Study of Mobile Robot Path Planning Based on
Improved Genetic Algorithm
Specialty: Computer Applicati