1.
引言自主機器人的路徑規(guī)劃是指:有一臺機器人及其環(huán)境描述,要規(guī)劃出一條從已知的起始位置出發(fā)、繞過障礙物、到達預(yù)先規(guī)定的終止位置、并滿足某些優(yōu)化條件的路徑。仿真系統(tǒng)對于移動機器人路徑規(guī)劃的研究具有重要的作用,一般用來驗證算法的最優(yōu)性、安全性、可達性。很多學(xué)者對路徑規(guī)劃仿真做了大量的研究并提出一些方法,常用的有柵格法和人工勢場法等,但這些算法都存在著一些算法本身的局限性。柵格法當(dāng)空間增大時所需存儲空間劇增,決策速度慢。人工勢場法結(jié)構(gòu)簡單、便于底層實時控制,但它在障礙物前震蕩,在狹窄通道中擺動,經(jīng)常陷入陷阱區(qū)域,可使機器人在到達目標(biāo)前就停車。而遺傳算法是一種多點搜索算法,相對柵格法和人工勢場法,更有可能搜索到全局最優(yōu)解。
但傳統(tǒng)的遺傳算法也存在著早熟收斂和收斂速度慢這兩個難題。早熟收斂導(dǎo)致產(chǎn)生局部最優(yōu)值,而收斂速度慢是影響遺傳算法應(yīng)用在實時性要求比較高的環(huán)境中的一個瓶頸因素[1]。本文針對上面提到的兩個問題,將改進遺傳算法和簡單圖搜索方法相結(jié)合,減少了搜索的盲目性,并且對遺傳算法從改進選擇方式和動態(tài)確定變異概率兩個方面考慮,選擇操作采用最優(yōu)保存策略,局部出現(xiàn)相似個體之后實施災(zāi)變操作,并且根據(jù)個體適應(yīng)度函數(shù)值的大小動態(tài)
確定變異概率,這樣既不增加群體規(guī)模,避免運算時間過長,還能保證收斂到全局最優(yōu)解,有效地克服了傳統(tǒng)遺傳算法的缺點。
2. 環(huán)境建模
首先根據(jù)任務(wù)和基本地圖建立環(huán)境模型,即將現(xiàn)實世界的問題進行抽象后建立相關(guān)的模型。本文采用鏈接圖法[2]
(MAKLINK Graph)建模,它在構(gòu)造規(guī)劃空間時假設(shè)移動機器人在二維平面環(huán)境中運動;規(guī)劃環(huán)境的邊界及障礙物可用凸多邊形描述;機器人用點來表示[3]。在圖1所示的環(huán)境中,黑色多邊形表示環(huán)境中的障礙物。
圖1 有障礙物的環(huán)境
圖2 對環(huán)境的鏈接圖表示
鏈接圖法對自由空間進行建模的過程為:取各障礙物頂點連線的中點為可能路徑點,相互連接各可能路徑點,并將機器人移動時的起點和終點分別連接到各個可能的路徑點上。對圖1所示含有障礙物的環(huán)境,經(jīng)過上述算法處理后,可得到圖2的鏈接圖,其中P1為起點,P19為終點。所有可能路徑點和之間連線形成的網(wǎng)絡(luò)圖即為機器人可自由行走的路線,即得到一個帶權(quán)無向圖,機器人的全局路徑規(guī)劃即轉(zhuǎn)化為在網(wǎng)絡(luò)圖2中尋找從P1點到P19點的最短路徑,采用E.W.Dijkstra(狄克斯特拉)算法可以在一個給定的帶權(quán)無向圖中去求連接起點和終點的最短路徑和最短路徑的長度,得到最短路徑規(guī)劃結(jié)果。
3. 應(yīng)用于路徑規(guī)劃中的改進的遺傳算法[3,5,6]
3.1 路徑編碼方法
如圖2 所示, 通過EW.Dijkstra(迪克斯特拉)算法得到了鏈接圖中的最短路徑為:P1,P2……Pn,P19,其中P1為路徑的起點,P19 為路徑的終點, 由于鏈接圖法連接的是凸多邊形的中點,基于上述方法通常得不到最短的規(guī)劃路徑,需要對P1,P2……Pn,P19 的位置進行調(diào)整, 從而得到機器人在工作空間的最優(yōu)或近似最優(yōu)的行走路徑。用遺傳算法優(yōu)化時,我們讓各路徑點在相應(yīng)障礙物端點連線上滑動。