李剛+魚佳欣+郭道通+鄒楊

針對標準遺傳算法解決機器人處于障礙環(huán)境下尋找最優(yōu)路徑局部尋優(yōu)精度較差、規(guī)劃效率低的問題，提出一種改進遺傳算法的機器人路徑規(guī)劃方法。該算法采用一維編碼表示路徑， 構造了路徑最優(yōu)化的目標函數(shù)和適應度函數(shù)，利用多個種群拓寬搜索空間，提高了規(guī)劃效率，采用保優(yōu)選擇策略，避免陷入局部最優(yōu)。仿真結果表明，改進遺傳算法比標準遺傳算法路徑規(guī)劃質量高，能夠獲得平滑的低代價路徑，穩(wěn)定性好，是機器人路徑規(guī)劃的一種較好的方法，且具有一定的推廣意義。

機器人路徑規(guī)劃問題一直是機器人學的一個重要研究課題. 也是目前研究的熱點領域。機器人路徑規(guī)劃問題是指在有障礙物的工作環(huán)境中， 如何尋找一條從給定起點到終止點的較優(yōu)的運動路徑， 使機器人在運動過程中能安全、無碰撞地繞過所有的障礙物， 且所走路徑最短.本質是多約束多目標的最優(yōu)化問題[1]。

采用智能優(yōu)化算法求解航跡規(guī)劃問題是目前使用的主流方法。文獻[2]中，蟻群算法的機器人路徑規(guī)劃需要存儲的信息多，在搜索過程中易出現(xiàn)停滯現(xiàn)象或陷入死循環(huán);文獻[3]中的人工勢場法雖便于底層的實時控制，但缺乏全局信息，存在局部最優(yōu)值的問題;文獻[4]中，模糊推理法最大的優(yōu)點是實時性非常好， 但是模糊隸屬函數(shù)的設計、模糊控制規(guī)則的制定主要靠人的經(jīng)驗。遺傳算法[6]已證明是一種全局搜索能力強的算法，具有強的魯棒性，并行性，但大量實驗結果表明，應用標準遺傳算法對該問題求解時局部尋優(yōu)精度較差，穩(wěn)定性不好[6]。

對此，本文提出一種改進遺傳算法的機器人路徑規(guī)劃方法，并進行了仿真實驗，結果證明了該方法是有效可行的。

結束語

針對標準遺傳算法解決機器人處于障礙環(huán)境下尋找最優(yōu)路徑局部尋優(yōu)精度較差、規(guī)劃效率低的問題，提出一種改進遺傳算法的機器人路徑規(guī)劃方法，并進行仿真，實驗表明該算法具有高的穩(wěn)定性，并減少了陷入局部最優(yōu)的可能，且規(guī)劃出的路徑精度更高。同時，提出的模型可引申應用于類似情況下的路線規(guī)劃問題，具有一定的推廣意義。