文档介绍：基于改进蚁群算法的球形机器人径规划
覃小峰等 摘 要:蚁群算法具有较强的鲁棒性和发现较优解的能力,但同时存在着限于局部最优解、收敛速度慢、容易出现停滞现象等缺点。本文针对球形机器人的特点,考虑球形机器人本身的尺寸影响,对其进行基于改进蚁群算法的球形机器人径规划
覃小峰等 摘 要:蚁群算法具有较强的鲁棒性和发现较优解的能力,但同时存在着限于局部最优解、收敛速度慢、容易出现停滞现象等缺点。本文针对球形机器人的特点,考虑球形机器人本身的尺寸影响,对其进行路径规划优化处理。并且在传统的蚁群算法基础上,采用了退回原则和信息素加强原则对该算法进行改进。通过仿真结果表明,该方法能以任意接近于1的概率收敛到全局最优解,并且提高了求解最优解的效率。
关键词:球形机器人;蚁群算法;路径规划
中图分类号:TP242
路径规划是机器人智能化程度的一个指标,其路径规划算法得出的路径越短,也就体现出了该机器人的智能化程度越高。由于球形机器人可以应用于危险环境的探测,管道内部焊缝的检测等方面,近年来国内外对于球形机器人路径规划的研究成为了一个越来越热门的话题。现在已提出的路径规划智能算法有BP神经网络算法、遗传算法、粒子群算法、模拟退火算法等,这些都是近几年比较热门的仿生启发式算法。
根据机器人对环境情况的了解程度不同,路径规划可分为三种类型:环境信息全部已知情况下的全局路径规划,环境信息部分已知情况下的局部路径规划,全局路径规划和局部路径规划相结合。局部路径规划主要依靠于机器人实时地对周围环境进行检测,从而获得机器人的位置以及周围障碍物的分布情况、尺寸大小、形状等信息,并通过这些信息规划出一条局部最优路径。因此,局部规划可以跟随环境的变化而发生改变,相对于全局规划具有较强的适应性和鲁棒性。
1 环境模型
环境模型的主要目的是将外部环境情况转变为数字、符号等可操作的一些数学量,便于为求解模型或计算机仿真提供数据。环境模型是环境状态到数学量的一个抽象映射过程,该过程在路径规划中占有重要的地位。
对于环境情况的表述有四种常用方法:(1)按照原始工作空间表示环境,(2)用栅格法表示环境,(3)空间划分(包含有三种空间:自由空间、障碍空间、混合空间)法表示环境,(4)多边形逼近法表示环境。
本文采用栅格法来表示机器人的工作环境,建立环境模型。在这里规定:(1)机器人每走一步的起始点和终止点都是栅格的中点;(2)机器人工作环境为已知且障碍物是静止的;(3)环境障碍物的数目是有限的。将工作空间的左下角定义为坐标原点O,以横向为X轴,纵向为Y轴建立直角坐标系。将工作空间划分为m*n个栅格大小相同的正方形,该边长为1。则机器人每斜走一步的步长为 ,水平和竖直方向的步长为1。其中栅格中的障碍物可能占了多个栅格,把其中不满一个栅格处理成一个栅格被占满来计算。
2 基于蚁群算法的路径规划模型
算法描述
蚁群算法可以看成是一种求解空间参数化概率分布模型的搜索算法框架,而求解空间参数化概率分布模型的参数就是信息素。本文中的路径规划的蚁群算法可以描述为:信息素模型用解构造图(栅格图)的形式表现出来,然后定义一种随机搜索的人工蚂蚁,这些蚂蚁根据构造图上的信息素的多少决定走的方向,某方向的