基于改進遺傳算法的機器人路徑規劃與仿真

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境下尋找最優路徑局部尋優精度較差、規劃效率低的問題，提出一種改進遺傳算法的機器人路徑規劃方法。該算法采用一維編碼表示路徑， 構造了路徑最優化的目標函數和適應度函數，利用多個種群拓寬搜索空間，提高了規劃效率，采用保優選擇策略，避免陷入局部最優。仿真結果表明，改進遺傳算法比標準遺傳算法路徑規劃質量高，能夠獲得平滑的低代價路徑，穩定性好，是機器人路徑規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。機器人路徑規劃問題是指在有障礙物的工作環境中， 如何尋找一條從給定起點到終止點的較優的運動路徑， 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化問題[1]。

采用智能優化算法求解航跡規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劃需要存儲的信息多，在搜索過程中易出現停滯現象或陷入死循環;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，存在局部最優值的問題;文獻[4]中，模糊推理法最大的優點是實時性非常好， 但是模糊隸屬函數的設計、模糊控制規則的制定主要靠人的經驗。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精度較差，穩定性不好[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境下尋找最優路徑局部尋優精度較差、規劃效率低的問題，提出一種改進遺傳算法的機器人路徑規劃方法，并進行仿真，實驗表明該算法具有高的穩定性，并減少了陷入局部最優的可能，且規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劃問題，具有一定的推廣意義。