基于免疫算法的移动机器人路径规划研究

《基于免疫算法的移动机器人路径规划研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Y·82210l91中图分类号：TP242密级：单位代号：11903学号：02"／20614上海大学⑨硕士学位论文SHANGHAIUNIVERSITYMASTER，STHESIS题基于免疫算法的目移动机器人路径规划研究作者学科专业导师完成日期胡小明计算机应用吴耿锋教授2005年1月上海人学硕士学位论文ThePostgraduateThesisofShanghaiUniversity摘要在制造业和非制造业中，移动机器人的应用领域越来越广泛。路径舰划作为移动机器人技术的一个重要组成部分，对它的研究具有重要的理论意义和工程应用意义。免疫算法是在克服遗传算法不足的基础

2、上提出的一种具更强鲁棒性和更快收敛速度的搜索算法，并可以较好地解决遗传算法中出现的退化现象，所以在解决复杂的最优化问题时具有更广泛的应用领域，免疫算法已初步应用到优化设计、网络安全、故障诊断、模式识别、图象识别、机器学习和自动控制等领域，但把免疫算法应用到移动机器人路径规划的研究还比较少见。本文将致力基于免疫算法的移动机器人路径规划的研究。本文首先总结了移动机器人在国内外的发展现状及主要研究方向；详细介绍了免疫算法的概念、基本原理及基本思想，并从理论上证明了免疫算法是收敛的，为使用免疫算法提供了保障；继而从传统与智能的角度讨论了移动机器人的路径规划方法研究。其

3、次，考虑到移动机器人在动态环境下路径规划问题的复杂性，把路径规划分成两部分，即基于避障的全局路径规划和基于避碰的局部路径规划。对于在静态障碍物环境下的移动机器人全局路径规划，通过提出一种新的多因素适应度函数，使对个体的评估更符合移动机器人所需要的最优路径，仿真结果表明该方法可行，而且有效，可以提高收敛速度，并与遗传算法进行比较，发现使用该免疫算法解决了遗传算法后期的波动现象。接着，针对动态障碍物的移动机器人动态局部路径规划问题，提出一种新的时间栅格法，并用它建立移动机器人的动态环境信息，减少了只用免疫算法在动态环境下规划移动机器人最优路径所耗的时间，较好地满足

4、了移动机器人实时导航的要求。实验表明该方法可以减少免疫算法的迭代时间，提高了路径规划效率。最后，完成了在Teambots仿真软件包环境下基于免疫算法的移动机器人路径规划系统设计，为移动机器人系统的路径规划技术提供了很好的试验平台，并在此平台上成功地完成了路径规划系统的仿真试验。关键词：移动机器人，路径规划，免疫算法，时间栅格法上海大学硕士学位论文!!!!!!!g!竺坐苎!!!!!生!!墨!!!g璺!!堕!!!!釜!堡AbstractInmanufacturingandnon-manufactttringindustries，themobilerobotiswi

5、deofapplicationinmanyfields．Pathplanningofthemobilerobotisoneimportantpartofthetechniqueofthemobilerobot．Researchonithassignificantmeaningintheoriesandengineeringapplications．InordertoovercometheshortageofGeneticAlgorithm(GA)，anewalgorithmnamedImmuneAlgorithm(IA)isarisenfromtheimmun

6、econceptandtheoryinthefieldoflifesciencesinrecentyears，whichsolvestheanaphasevibrationphenomenaofGAeffectively+IAwasalreadyappliedtomanyfieldssuch鑫soptimaldesign。networkintrusiondetection，pattemrecognltion，andneuralnetworklearningetc，However,articlesaboutINsapplicationtorobotpathpla

7、nningareratherscarce．SointhispaperwedotheresearchOilIAbasedpathplanningofmobilerobot．Firstly,wesumupthedevelopmentandresearchofmobilerobotathomeandoverseas，henintroducetheconceptionofIAandprovethatIAisconvergent．Andthenwediscussmobilerobotpathplanningmethodfromtwoaspects：traditionan

8、dintelligence．Secon