移動(dòng)機(jī)器人路徑規(guī)劃是機(jī)器人領(lǐng)域中的研究熱點(diǎn)問題,其規(guī)劃路徑的質(zhì)量將直接影響移動(dòng)機(jī)器人絕大多數(shù)應(yīng)用的效果。未來(lái),移動(dòng)機(jī)器人應(yīng)用環(huán)境越來(lái)越復(fù)雜多變,如何在各種復(fù)雜環(huán)境下快速有效的規(guī)劃合理路徑成為了移動(dòng)機(jī)器人路徑規(guī)劃領(lǐng)域中的一大挑戰(zhàn)。本文提出了一種基于改進(jìn)雙向快速遍歷隨機(jī)樹(Bi-RRT)的種群初始化方法來(lái)提高復(fù)雜環(huán)境下基于遺傳算法的移動(dòng)機(jī)器人路徑規(guī)劃效率。首先改進(jìn)了Bi-RRT算法中的拓展過(guò)程和連接過(guò)程,并將其應(yīng)用于搜索起點(diǎn)和終點(diǎn)之間的可行連接,進(jìn)而構(gòu)造一棵連接起點(diǎn)和終點(diǎn)的RRT。然后利用回溯法對(duì)RRT進(jìn)行多次查詢,以獲得一組分布廣泛的可行路徑,從而生成一個(gè)多樣性豐富的高質(zhì)量初始種群,并結(jié)合遺傳算法進(jìn)行路徑規(guī)劃。為了定量分析初始種群的多樣性,本文利用Hausdorff距離定義了一種新的基于廣度的種群評(píng)價(jià)指標(biāo)。最后為了方便實(shí)際應(yīng)用,本文給出了一種基于B樣條曲線技術(shù)的路徑軌跡平滑處理方法用于平滑最優(yōu)路徑。為了進(jìn)一步提高移動(dòng)機(jī)器人在復(fù)雜環(huán)境下的路徑規(guī)劃效率,本文提出了一種基于Multi i Compact-RRT和遺傳算法的路徑規(guī)劃算法。首先分別提出了新的地圖預(yù)處理思想、新的采樣極化技術(shù)和新的拓...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于遺傳算法路徑規(guī)劃的研究現(xiàn)狀
        1.2.2 基于快速遍歷隨機(jī)樹路徑規(guī)劃的研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容和創(chuàng)新點(diǎn)以及結(jié)構(gòu)安排
        1.3.1 論文研究?jī)?nèi)容和創(chuàng)新點(diǎn)
        1.3.2 論文結(jié)構(gòu)安排
第二章 相關(guān)知識(shí)介紹
    2.1 引言
    2.2 路徑規(guī)劃
        2.2.1 路徑規(guī)劃的數(shù)學(xué)描述
        2.2.2 經(jīng)典路徑規(guī)劃算法
    2.3 碰撞檢測(cè)算法
        2.3.1 Bresenham直線掃描算法原理
        2.3.2 基于改進(jìn)Bresenham的碰撞檢測(cè)算法
    2.4 遺傳算法
        2.4.1 基本遺傳算法
        2.4.2 改進(jìn)遺傳算法
    2.5 快速遍歷隨機(jī)樹
        2.5.1 概述
        2.5.2 快速遍歷隨機(jī)樹的原理
        2.5.3 快速遍歷隨機(jī)樹的流程
    2.6 小結(jié)
第三章 基于改進(jìn)Bi-RRT的遺傳算法的路徑規(guī)劃
    3.1 引言
    3.2 地圖預(yù)處理
    3.3 可行路徑搜索
        3.3.1 Bi-RRT算法原理
        3.3.2 改進(jìn)Bi-RRT算法的思想
        3.3.3 改進(jìn)Bi-RRT算法的流程
    3.4 初始種群生成
        3.4.1 基于改進(jìn)Bi-RRT的種群初始化
        3.4.2 基于廣度的新種群評(píng)價(jià)指標(biāo)
    3.5 基于改進(jìn)Bi-RRT的遺傳算法的路徑規(guī)劃
        3.5.1 概述
        3.5.2 基于改進(jìn)Bi-RRT的遺傳算法的路徑規(guī)劃的流程
    3.6 基于B樣條曲線技術(shù)的路徑軌跡平滑處理
        3.6.1 B樣條曲線
        3.6.2 基于B樣條曲線技術(shù)的路徑軌跡平滑處理
    3.7 小結(jié)
第四章 基于Multi i Compact-RRT和遺傳算法的路徑規(guī)劃
    4.1 引言
    4.2 改進(jìn)的Compact-RRT算法
        4.2.1 地圖預(yù)處理
        4.2.2 采樣極化技術(shù)
        4.2.3 新拓展策略
        4.2.4 i Compact-RRT算法流程
    4.3 Multi i Compact-RRT算法
        4.3.1 Multi i Compact-RRT算法原理
        4.3.2 Multi i Compact-RRT的分層搜索方法
        4.3.3 Multi i Compact-RRT算法流程
    4.4 基于Multi i Compact-RRT和遺傳算法的路徑規(guī)劃
        4.4.1 概述
        4.4.2 基于Multi i Compact-RRT和遺傳算法路徑規(guī)劃的流程
    4.5 小結(jié)
第五章 算法仿真與分析
    5.1 引言
    5.2 基于改進(jìn)Bi-RRT的遺傳算法路徑規(guī)劃的仿真實(shí)驗(yàn)
        5.2.1 實(shí)驗(yàn)準(zhǔn)備
        5.2.2 不同種群初始化方法對(duì)比實(shí)驗(yàn)
        5.2.3 基于不同種群初始化遺傳算法的路徑規(guī)劃對(duì)比實(shí)驗(yàn)
        5.2.4 基于B樣條曲線技術(shù)的路徑軌跡平滑處理
    5.3 基于Multi i Compact-RRT和遺傳算法路徑規(guī)劃的仿真實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)準(zhǔn)備
        5.3.2 不同RRT算法拓展能力對(duì)比實(shí)驗(yàn)
        5.3.3 不同種群初始化方法對(duì)比實(shí)驗(yàn)
        5.3.4 基于不同種群初始化遺傳算法的路徑規(guī)劃對(duì)比實(shí)驗(yàn)
    5.4 小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝



本文編號(hào)：3754621