移动机器人路径规划的仿真研究

路 径 。
些 传统算法均具有 不足 ， 人工 势场法 结构 简单 ， 合于 低 如 适 层 的实时控制 ， 在规 划路 径存在 陷 阱 ， 得机 器人停 滞 或 但 使
在 障 碍 物 前 振 荡 不 前 ， 现 死 锁 现 象 。栅 格 法 适 用 于 全 局 路 出
径规划 ， 但是会 占用大量存储 空间 ， 计算效率低 等缺 陷 ， 以 难 获得最优移动路 径 。近 年来 ， 一些 学者 提 出基于神 经 网络 、
第２ 卷 第７ ９ 期
文 章 编 号 ：０ ６ ９ ４ （ ０ ２ ０ — ２ ３ ０ １０ — ３ ８ ２ １ ）７ ０ ２ — ４
计
算
机
仿
真
２２ 月 ０ 年７ １
移 动 机 器 人 路 径 规 划 的 仿 真 研 究
杨献峰 ． 俊辉 付
（ 河南科技学 院信息工程学 院， 河南 新乡 ４３ ０ ） ５０ ３ 摘要 ： 研究移动机器人路径优化问题 ， 由于移动机 器人寻优中存在 定位稳定性 和避 障准确性 问题 ， 机器人路径规 划不仅 找到
ｌ ｆｋ （ 。ｂ ）∈ ＳＲ （ １（ ０ｂ ） ＝ （ ， ｝ （ ） （ ） ０ ，。 Ｒ ，ｆｎ） Ⅱ ，。 口 ｂ ） ５ 如 果 （ ，） ＝ Ｒ（ｔ １ （ ，） 那 么就 有 Ｐｑ ／一 ） 口 ６ ， ＇ Ｒ（ ） 。 ｂ ＝ （ Ｙ ， Ｙ ∈ Ｄ ｚｎ （ ，） ，） （ ） ， （） ６
Ｑ ＝ｍ ｎ ＰＩ ∈Ｐ ｉ｛） Ｐ ， ）
后 的能 够 选 择 的栅 格 。
（） ４
其 中， ｎ （ 。ｂ ）表示从栅格 （ ０ｂ ）出发 ， （ ） 。 ，。 ｎ ，。 经过 ｎ步 Ｐ： ｛ ｆ１ （ ｏｂ ） Ｒ（ ） ０ ，ｏ ， ｌｎ） ０ ，０ Ｒ（ ） Ⅱ ，ｏ ， ｌ （ ０ｂ） …Ｒ（ ￡ （ ０ｂ ） ２
划进行仿真 ， 结果表 明， 混合算法可 以很好地避免障碍物 ， 快速找到一 条机器人最优移 动路径 ， 十分适 合于复杂 环境路径规
划。
关键词 ： 动机器人 ； 移 路径规划 ； 栅格法 ； 混沌遗传算法
中 图分 类 号 ： Ｐ４ Ｔ ２ 文献 标 识码 ： Ｂ
Ｍ ｏ ｌ ｂｏ ｔ Ｐｌ ｎ ｎｇ Ｂａ ｅ ｎ Ｇ ｒｄ Ａｌ ｏ ｉｈｍ ｎ ｂｉｅ Ｒｏ ｔＰａ ｈ ａ ｎｉ ｓ ｄ ｏ ｉ ｇ ｒｔ ａ ｄ ＣＧＡ
２ 路径规划的 的形 状有 多种类 型 ， ） 一般 为凸多边 形 ， 在路径
规划过程 ， 它们 的位置 、 大小 和形状不变 。
３ １ 栅 格 法 对 机 器 人 路 径 初 步 优 化 ．
采 用栅格法 将得到 的机器人 路径作 为混沌遗 传算法 的
相关的模型 ；
随机树 、 遗传算法 、 粒子群算法等移 动机器人 路径规划算 法 ，
这些算 法具有通性较强 ， 简单易实现 ， 鲁棒性 好等优 点 ， 是 但
它 们的缺点也十分 明显 ， 神经 网络结 构复 杂 ， 像 参数难 以确
收稿 日期 ：０ １ １ — ３ 修 回 日期 ：０ １ １ — ４ ２ １— １ １ ２ １ — ２ ２
２ 机 器 人路径 的规 划原 理
移动机 器人 路径规划 是实现 移动机 器人智 能化 的一 个 关键技 术 ， 它是指按 照某 一性 能指 标搜索一条从 起始状态 到 目标状态的最优 或近似 最优 的无碰撞 路径 。移动 机器人 路 径 规划均包括如下两个步骤 ： １ 建立 环境 模型 ， ） 即将现实世界 的问题进 行抽象后 建立
定性能指标 的从起 始位 置 到达 目标 位 置的无 碰撞 的最 优 目前 ， 于工势场法 、 基 栅格法 等机 器人路径规划 算法 ， 这
为 了获得更优 的机器人移动路径 ， 出一 种栅格法 和混 提 沌遗传算法相融 合 的移动机 器人路 径规 划方 法。首先 利用 栅 格法对机器人路径进行规划 ， 得到的可行路 径解作 为遗传 算法的初始种群 ， 然后采用遗传算法进行进 一步机器人 路径 寻优 ， 完成最优机器 人移 动路径规划。
２ 路径搜索方法 ， ） 即寻找合乎条件 的路径 的算法 。
．．．— —
２ ２３ ．— ． ． —
综合上述可知 ， 机器人路径搜索算法是 机器人路径规划
的关键。当前传统 单一栅 格法 和遗传算 法搜 索最优 路径效 率低 ， 以全局最优路径 。本文将栅格法和混 沌遗传算法 相 难 融合 ， 来解决移动机器人路径规划优化问题。
ｃ ｍ ｐｅ ｎｖｒ ｎ ｏ ｌｘ ｅ ｉｏ ｍｅｎ ｔ ｌｎｎ ｎ ｔｐａｈ ｐ ａ ｉ ｇ．
ＫＥＹＷ ＯＲＤＳ： ｂｌ ｏ ｏ ； ａｈ ｐ ａ ｎ ｎ Ｇ ｉ ｇ ｒ ｈ Ｃ Ｍｏ ｉ ｒ ｂ ｔ Ｐ ｔ ｌｎ ｉ ｇ； ｒｄ ａ ｏｉ ｍ； ＧＡ ｅ ｌ ｔ
１ 引言
ｕ ｅ ｏ ｇ ｎ ｒ ｔ ｈ ｎ ｔ ｏ ｕ ａｉｎ ｏ ｅ ｅｉ ｌ ｏ ｔ ｍ ，ａ ｄ ｔｅ ｅ ｅｉ ｌｏ ｔ ｍ ａ ｓ ｄ ｔ ｎ ｅ ａ ｅ ｆ ｒ ｅ ｓ ｄ ｔ ｅ ｅ ａ ｅ ｔ ｅ ｉｉ ａ ｐ ｐ ｌ ｔ ｆ ｎ ｔ ａｇ ｒ ｈ ｉ ｌ ｏ ｇ ｃ ｉ ｎ ｈ ｎ ｇ ｎ ｔ ａｇ ｒ ｈ ｗ ｓｕ ｅ ｏ ｕ ｄ ａ ｋ ｕ ｔ ｒ ｃ ｉ ｈ ｏ ｔ ｚ ｔ ｎ，ａ ｈ ａ ｉ ｐ ｉ ａｉ ｍｉ ｏ ｔｔ ｅ ｓ ｍｅ ｔ ｍｅ，ｃ ａ ｔ ｒｓ ｏ ｅ ｎ ｔ ｔ ｎ ｏ ｎ ｉｉ ｕ ｌｕ ｄ ｔ ｒ ｓ ｄ ｔ ｎ ｈ ｐｉ ｌ ｈ ｏｉ ｃ ｏ ｓ ｖ ｒ ａ ｄ ｍｕ ａｉ ｆ ｉ ｄ ｖｄ ａ ｐ ａｅ ｗｅｅ ｕ ｅ ｏ ｆ ｄ ｔ ｅ ｏ ｔ ｃ ｏ ｉ ｍａ ｐ ｔ ．Ｆ ｎ ｌ ，ｔ ｅ ｃ ｍｐ ｔｒ ｓｍｕ ａｉｎ ｅ ｐ ｒ ｎ ｓｃ ｒ ｅ ｕ ．Ｔ ｅ ｅ ｐ ｒｍｅ ｔｌｒ ｓ ｌ ｈ ｗ ａ ｅ ｍｉｅ ｌ ａｈ ｉ ａｌ ｙ ｈ ｏ ｕ ｅ ｉ ｌｔ ｘ ｅ ｍｅ ｔ ｏ ｉ ｗａ ａ ｒ ｄ ｏ ｔ ｈ ｘ ｅ ｉ ｉ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｔ ｔ ｈ ｘ ｄ ａ— ｓ ｈ ｔ ｇ ｆｔ ｍ ｓｖ ｒ ｏ ｄ ｆｒ ａ ｏ ｄ ｎ ｂ ｔｃ ｅ ，ａ ｄ ｑ ｉｋ ｙ ｆ ｄ ｎ ｏ ｏ ｐ ｉ ｌ ｖｎ ａ ｈ ｔｉ ｖ ｒ ｕ ｔｂ ｅ ｆｒ ｏ ｈ ｉ ｅ ｙ ｇ ｏ ｏ ｖ ｉ ｉ ｇ ｏ ｓ ｌ ｓ ｎ ｕ ｃ ｌ ｉ ｉ ｇ ａ ｒ ｂ ｔｏ ｔ ｉ ａ ｎ ｍａ ｍｏ ｉ ｇ ｐ ｔ ．Ｉ ｓ ｅ ｓ ｉ ｌ ｏ ｙ ａ
图 １ 机器 人 工作 空 间栅 格 标 记
生器 ， 产生一个迭代序列 ， 即有 ：
＋ ｌ＝ ４ １一 ） ｘ（ （） ８
ｇ ，）表示 ｇ∈Ａ在平面区域都有确定的坐标 （ Ｙ ， （ Ｙ ，） Ｓ
：
通过 ＋ 控制交叉操作 ， 当
５到 ０ ９之 间 。 ．
大于预先设定 的交 叉概
初始种群 。
３ ２ 遗传算法对机器人路径进 一步优化 ． ３ ２ １ 个体 编码 ．．
３ １ １ 机器人工作空间栅格化标识 ．． 设移动机器人工作空间为一个 二维 区域 （ 图 １ ， 中 见 ）其 存在许多大小不同的障碍物 （ 采用黑色表示 ） 采建立一个平 ， 面直接坐标系 ， 坐标原点为 图中的 （ ，） 轴正方 向为水平 ００ ，
｛ ， ， ｍ｝表示所 有栅格序 号集 ， １２ …， 采用直角 坐标法 和序
由于采用栅格优化 的解作为混沌遗 传算法 的初 始种群 ，
因此个体采用栅格序号进行编码 ， 该编码方式 比传 统二进制
编方式提高 了计算效率 ， 长度相应缩短 。例如在直 坐标 编码
系的个体表示 为 ： （ ０ ， １０ ， ３ ２ ，４，） （ ， ） （ ， ｛０，） （ ， ） （ ，） （ ３ ， ８８ ，９ ９ ｝ 那么栅格序号编码方式为 ：０ １ ，２ ４ ，８９ ｝ ） ， ｛ ，０ ３ ，３ ８ ，９ 。
３ 混合算 法 的移动机 器人 路径优 化
为 了简 化 分 析 ， 移 动 机 器 路 径 优 化 问 题 进 行 如 下 假 对
设：
Ｄ ６＝ ｛ ｎ＋１ｂ ，ｏ ｂ＋１ ， 。一１ ｂ ， （ ，） （ ， ）（ ， ）
（， Ⅱ ｂ一 １ Ｉ（ ，） ∈ Ｓ ） ０ｂ ｝
…
１ 机 器人 的 开形 状 、 动 速度 以及 位 置 均 已知 。 ） 移
进行交换 。
在传统 遗传算法 中 ， 交叉概率和和交叉点 都是 随机 选择
的， 容易使种 群趋 同化 ， 出现局部极 值和早 熟现象 。混沌 遗 传算法混沌理论 引入 到交叉操作 中 ， 采用混沌 序列对来 交叉 操 作进行 动态控 制 ， 从而提高交叉操作的效率 。具体为 ： １ 任取一个初值 。利用 Ｌ ｇｓｃ映射作为混沌信 号发 ） ， ｏ ｉｉ ｔ
一
条无碰撞 、 安全的移动机器人路径 ， 而且要求路径尽可能最短。传统单 一栅格法 和遗传算法搜索最优路径 效率低 ， 以全 难
局最优路径 。为 了获得机器人全局最优路径 ， 出一种栅格法和混沌遗传算法相融合的移动机器人路径 规划方法 。首先采 提 用栅格法对移动路径进行规划 ， 作为遗传算法的初始种群 ， 采用遗传算 法进一步寻 找最优路径 。最后对 移动机器人 路径规
３ ２２ 混 沌 交 叉 ．．
右 ， 轴 正方 面垂 直向上 ， Ｙ 栅格 大小为 坐标 轴上 的单位 长度 ，
栅 格 采 用 坐标 （ Ｙ ，）表 示 。
交叉算子是遗传算法 的产生新个体 的主操作 ， 基本操作
为： 从种群中对个体 进行 配对 ， 组成配对 库 ， 然后 从配对库 中 按一定选择策 略得到待交叉 的两个个体 ， 照交 叉概率Ｐ 进 按 行交叉操作 ， 最后采用 随机方法 确定 交叉点 ， 其对 应部 分 对
ＡＢＳ ＴＲＡＣＴ ： ｓ ａ ｃ ｂｌ ｏ ｏ ａｈ ｏ ｔ ｚ ｔ ｎ ｎ ｏｄ ｒｔ ｂ ａｎ ｔ ｅ ｇｏ ａ ｐ ｉ ｌｐ ｔ ｏ ｏ ｏｓ ｈ ｓｐ － Ｒｅ ｅ ｒ ｈ ｍｏ ｉ ｒ ｂ ｔ ｔ ｐ ｉ ａｉ ．Ｉ ｒ ｅ ｏ ｏ ｔ ｉ ｈ ｌｂ ｌｏ ｔ ｅ ｐ ｍｉ ｏ ｍａ ａｈ ｆｒｒ ｂ ｔ ，ｔ ｉ ａ ｐ ｒｐ ｏ ｏ ｅ ｙ ｒｄ ａｇ ｒ ｈ ｆ ｒ ｂｌ ｏ ｏ ａ ｈ ｐ ａ ｎ ｎ ．Ｆ ｒｔ ，ｔ ｅ ｅ ｒｐ ｓ ｄ ａ ｈ ｂ ｉ ｌｏ ｔ ｍ ｉ ｏ ｍｏ ｉ ｒｂ ｔ ｔ ｌ ｎ ｉ ｇ ｉｓ ｙ ｈ ｅ ｐ ｌ ｄ ｍｅｈ ｄ ｆｒｍｏ ｉ ａｈ ｐ ａ ｎ ｎ ａ ｔｏ ｂｌ ｐ ｔ ｌｎ ｉｇｗ ｓ ｏ ｅ
ＹＡＮＧ Ｘｉｎ ｆｎ ． Ｕ Ｊ ｎ ｈ ｉ ａ — ｅ ｇ Ｆ ｕ — ｕ
（ ｃｏｌ ｆ ｎｏ ｔ ｎＥ ｇ ｅｒ Ｈ ｎ ｎＩｓｔｔ ｏ ｃ ｎｅａｄＴ ｃｎ ｌ ｙ ｅａ ｉｘ ｎ ５０ ３ ｈｎ ） Ｓｈ ｏ ｏ ｆ ｍａｏ ｎｉ ｅ ， ｅ ａ ｎｔｕｅ ｆ ｉ ｃ ｎ ｅｈ ｏ ｇ ，Ｈ ｎｎＸ ｎｉ ｇ ３０ ，Ｃ ｉａ Ｉ ｒ ｉ ｎ ｉ Ｓｅ ｏ ａ ４
移动 机器人 路径规 划是 人工智 能研究 中一个 十分活 跃 的课题 ， 主要 指障碍物 的工 作环 境 中， 器人 找到 一条满 足 机
一
定， 易产生局最优路径 ， 传算法 易 出现早 熟和 收敛速 度慢 遗
等， 因此如何构 造更 好的移动机器人路径规 划成为解决 机器
人 路 径 规 划 的难 题 。