CN105988468A - 一种基于改进遗传算法的移动机器人路径规划方法 - Google Patents
一种基于改进遗传算法的移动机器人路径规划方法 Download PDFInfo
- Publication number
- CN105988468A CN105988468A CN201510041465.6A CN201510041465A CN105988468A CN 105988468 A CN105988468 A CN 105988468A CN 201510041465 A CN201510041465 A CN 201510041465A CN 105988468 A CN105988468 A CN 105988468A
- Authority
- CN
- China
- Prior art keywords
- path
- genetic algorithm
- robot
- mobile robot
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
一种基于改进遗传算法的移动机器人路径规划方法。该方法将栅格法与遗传算法相结合,首先对个体进行编码,得到一条一维染色体串,然后根据适应值函数f=A+B(A部分保证机器人所走路径较短,B部分保证机器人所走路径安全)计算每条路径的适应值,最后经过选择、交叉、变异,得到一条安全平滑的路径。
Description
技术领域
本发明涉及一种路径规划方法,尤其是一种基于改进遗传算法的移动机器人路径规划方法。
背景技术
目前,路径规划方法有人工势场法、栅格法、神经网络算法和遗传算法等。人工势场法简单、方便、规划路径比较平滑、便于实时控制,但在全局路径规划上存在局限性,会出现震荡、停滞的现象;栅格法简单、灵活,但在环境复杂时,效率不高;遗传算法和神经网络算法,算法本身都比较复杂,实时性稍差,但都属于全局算法。
发明内容
为了克服现有路径规划方法中人工势场法、栅格法、神经网络算法和遗传算法的各自缺点,本发明提出一种基于改进遗传算法的移动机器人路径规划方法,将栅格法与遗传算法相结合,该方法不仅具有栅格法简单、灵活的特点且兼有遗传算法的全局算法优点,克服栅格法环境复杂时,效率不高的问题。
本发明解决其技术问题所采用的技术方案是:首先要对个体进行编码,得到一条一维染色体串Ci={VL1y(i),VL2y(j),……,VLmy(k)}其中|VLi|∈Φ,i,j,k=0,1,2,……n。(Φ为避障区域,V Li为栅格点);变量初始化,交叉率取0.4-0.9,变异率取0.001-0.1,群体规模为10-200,最大进化代数为100-500代;随机产生一个初始群体;根据适应值函数计算每条路径的适应值f=A+B,其中
本发明的有益效果是,将栅格法与遗传算法相结合提出了一种基于改进遗传算法的移动机器人路径规划方法,该方法不仅具有栅格法简单、灵活的特点且兼有遗传算法的全局算法优点,克服栅格法环境复杂时,效率不高的问题。。
附图说明
图1是本发明的软件流程图。
具体实施方式
在图1中,程序开始运行,首先路径编码成位串形式,即对个体进行编码,得到一条一维染色体串Ci={VL1y(i),VL2y(j),……,VLmy(k)}其中|VLi|∈Φ,i,j,k=0,1,2,……n。(Φ为避障区域,V Li为栅格点);变量初始化,设置设置交叉、变异概率、个体数目和最大遗传代数:交叉率的选择决定了交叉操作的频率,代沟交叉率取0.4-0.9,变异率的选取一般受种群大小、染色体长度等因素影响,变异率取0.001-0.1,群体规模的大小直接影响到遗传算法的收敛性和计算概率,群体规模为10-200,最大进化代数作为一种模拟终止条件,最大进化代数取值100-500代;随机产生一个初始群体;对于路径规划问题适应值函数的选取应从路径最短,可避开障碍物这两点出发,用路径上选定的离散点到目标点和到障碍物的距离作为参数确定适应度函数,适应值函数为f=A+B,其中A部分是为了保证机器人到达目标点所走的路径较短,B部分是保证机器人到达目标点所走的路径是安全的,不会撞着障碍物。当路径点不在障碍物半径圆内时,忽略障碍物对适应值函数的影响,否则进行惩罚,取负值使适应值减小,降低该个体的适应度。通过f来评价路径在遗传过程中的适应值。f越小路径的优化程度越高。编码得出适应度函数的代码。
Claims (1)
1.一种基于改进遗传算法的移动机器人路径规划方法。其特征是:该方法将栅格法与遗传算法相结合,提出了适应值函数f=A+B(A部分保证机器人所走路径较短,B部分保证机器人所走路径安全不会撞着障碍物)。当路径点不在障碍物半径圆内时,忽略障碍物对适应值函数的影响,否则取负值进行惩罚使适应值减小,降低该个体的适应度。f越小优化程度越高。经过选择、交叉、变异,得到一条安全平滑路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041465.6A CN105988468A (zh) | 2015-01-28 | 2015-01-28 | 一种基于改进遗传算法的移动机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041465.6A CN105988468A (zh) | 2015-01-28 | 2015-01-28 | 一种基于改进遗传算法的移动机器人路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105988468A true CN105988468A (zh) | 2016-10-05 |
Family
ID=57034806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041465.6A Pending CN105988468A (zh) | 2015-01-28 | 2015-01-28 | 一种基于改进遗传算法的移动机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105988468A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647757A (zh) * | 2016-12-23 | 2017-05-10 | 江西理工大学 | 基于组合个体差分演化的机器人路径规划方法 |
CN109975748A (zh) * | 2017-12-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN113219986A (zh) * | 2021-05-28 | 2021-08-06 | 江苏师范大学 | 基于遗传算法和三次样条插值的机器人全局路径规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
KR20140075446A (ko) * | 2012-12-11 | 2014-06-19 | 경북대학교 산학협력단 | 유전자 알고리즘을 이용한 경로 생성 장치 및 그 동작 방법 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN104035438A (zh) * | 2013-11-14 | 2014-09-10 | 扬州西岐自动化科技有限公司 | 一种基于种群多样性的自适应多目标机器人避障算法 |
-
2015
- 2015-01-28 CN CN201510041465.6A patent/CN105988468A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140075446A (ko) * | 2012-12-11 | 2014-06-19 | 경북대학교 산학협력단 | 유전자 알고리즘을 이용한 경로 생성 장치 및 그 동작 방법 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN104035438A (zh) * | 2013-11-14 | 2014-09-10 | 扬州西岐自动化科技有限公司 | 一种基于种群多样性的自适应多目标机器人避障算法 |
Non-Patent Citations (1)
Title |
---|
金晋: "足球机器人路径规划研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647757A (zh) * | 2016-12-23 | 2017-05-10 | 江西理工大学 | 基于组合个体差分演化的机器人路径规划方法 |
CN106647757B (zh) * | 2016-12-23 | 2019-06-18 | 江西理工大学 | 基于组合个体差分演化的机器人路径规划方法 |
CN109975748A (zh) * | 2017-12-28 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN113219986A (zh) * | 2021-05-28 | 2021-08-06 | 江苏师范大学 | 基于遗传算法和三次样条插值的机器人全局路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11842271B2 (en) | Multi-scale multi-granularity spatial-temporal traffic volume prediction | |
CN101387888B (zh) | 基于二进制量子粒子群算法的移动机器人路径规划方法 | |
CN103971162A (zh) | 一种基于遗传算法改进bp神经网络的方法 | |
CN105988468A (zh) | 一种基于改进遗传算法的移动机器人路径规划方法 | |
Abuiziah et al. | A review of genetic algorithm optimization: operations and applications to water pipeline systems | |
CN102013037A (zh) | 一种基于粒子群算法的路径搜索方法及装置 | |
CN106324429B (zh) | 一种基于rs-ia数据挖掘的配电网故障定位方法 | |
CN111337931A (zh) | 一种auv目标搜索方法 | |
Chidthong et al. | Developing a hybrid multi‐model for peak flood forecasting | |
Xiao-Ting et al. | Flight path planning based on an improved genetic algorithm | |
CN102300269A (zh) | 基于遗传算法的无线认知网络端到端服务质量确保方法 | |
CN116723470B (zh) | 空中基站的移动轨迹预测模型的确定方法、装置和设备 | |
CN109492768A (zh) | 空气质量预测模型训练方法及装置 | |
CN109002878A (zh) | 一种ga优化bp神经网络 | |
CN104504441A (zh) | 基于敏感性的madaline神经网络构建方法及其装置 | |
Barolli | Complex, Intelligent and Software Intensive Systems: Proceedings of the 16th International Conference on Complex, Intelligent and Software Intensive Systems (CISIS-2022) | |
CN104200073A (zh) | 一种基于局部Lipschitz估计的自适应群体全局优化方法 | |
CN107831781B (zh) | 一种机器鱼运动的控制方法及系统 | |
Roig et al. | Remote reinforcement learning over a noisy channel | |
CN104867164A (zh) | 一种基于遗传算法的矢量量化码书设计方法 | |
CN102393709A (zh) | 一种多智能体同步问题的优化方法 | |
CN102158799B (zh) | 一种确定推荐经由地顺序的方法及系统 | |
CN114879494A (zh) | 一种基于进化与学习的机器人自适应设计方法 | |
CN110443403B (zh) | 一种城市交通微循环网络的优化系统及求解方法 | |
CN103116805A (zh) | 一种更新遗传种群的分段替换方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161005 |
|
WD01 | Invention patent application deemed withdrawn after publication |