改進遺傳算法在機器人路徑規劃中的應用

鄭寶娟　張婷宇

摘 要 針對傳統遺傳算法規劃的路徑點不連續，不平滑的不足，對遺傳算法進行了改進，首先通過碰撞偵測來探測前進路徑中的障礙物，再利用遺傳算法結合B樣條曲線規劃出平滑的避障路徑。實驗表明了新算法路徑規劃結果更平滑，效果更好。

關鍵詞 遺傳算法 B樣條 路徑規劃

中圖分類號：TP242.6文獻標識碼：A

0引言

路徑規劃是人工智能和機器人領域研究的熱點問題之一，屬于NP難問題。規劃目標是在具有障礙物的環境中，從機器人的指定起點開始，規劃出一條運行安全的、時間最優的路徑，并且機器人能夠沿著該路徑繞過所有障礙物到達指定終點。近些年，遺傳算法已經被廣泛地用在機器人的路徑規劃中。然而大部分的路徑規劃都沒有考慮到路徑平滑優化，以產生最短路徑為目標，從而規劃出的路徑為曲折的線段集合，而不是連續平滑的曲線，往往會造成應用上的困擾。本文利用遺傳算法和 B 樣條曲線生成算法，生成平滑的避障路線，從而避免因為運動方向突變，轉彎產生的機器人齒輪的磨損和突然減速帶來的位置誤差。

1遺傳算法路勁規劃

1.1適應度函數的建立

以路徑長度為優化目標，建立以下優化函數：

式中，為路徑中第段點到點的歐式距離，為種群數量。

的表達式為：

（1）

1.2 B樣條曲線

本文中使用了最為廣泛的3 階B 樣條曲線作為平滑路徑產生的方法，3 階 B 樣條曲線和控制點見的關系如下列公式所示：

（2）

1.3基于B樣條插值的遺傳算法路徑規劃流程

Step1產生初始種群;

Step2 計算個體適應度;

Step3 判斷是否為最大迭代次數，若達到最大迭代次數，則輸出當前解，當前解即為最優解;若種群當前代小于最大迭代次數，則對該種群進行一系列的遺傳操作，選擇、交叉、變異等，返回第2步;

Step4 達到最大迭代次數，B樣條優化路徑點，輸出最佳路徑，算法結束。

2仿真分析

采用 Matlab 仿真軟件，對上述算法進行了仿真測試。算法參數設置為：種群規模 popsize = 60，遺傳代數 t =50;交叉概率 = 0.9，概率 = 0.2，所得的仿真結果如下圖所示。粗平滑曲線即為通過計算所獲得的最優機器人路徑。黑折線為傳統遺傳算法所得路徑規劃結果，從圖中可以看出，本文所提出的算法路徑更平滑，更能減少機器人磨損。

3結論

本文應用遺傳算法進行機器人路徑規劃，設計了B樣條優化，能夠使產生的路徑結點連續，平滑，仿真實驗表明，相比傳統優化算法，減少了機器人的磨損和轉彎打滑產生的誤差。

參考文獻

[1] 張毅，代恩燦，羅元.基于改進遺傳算法的移動機器人路徑規劃[J].計算機測量與控制，2016，24（01）：313-316.

[2] 葛勇，牛成水，杜美云等.基于改進遺傳算法的移動機器人路徑規劃的研究[J].青海大學學報，2018，156（02）：37-44.