复杂环境下基于遗传算法的路径规划
发布时间：2023-03-04 16:36
移动机器人路径规划是机器人领域中的研究热点问题,其规划路径的质量将直接影响移动机器人绝大多数应用的效果。未来,移动机器人应用环境越来越复杂多变,如何在各种复杂环境下快速有效的规划合理路径成为了移动机器人路径规划领域中的一大挑战。本文提出了一种基于改进双向快速遍历随机树(Bi-RRT)的种群初始化方法来提高复杂环境下基于遗传算法的移动机器人路径规划效率。首先改进了Bi-RRT算法中的拓展过程和连接过程,并将其应用于搜索起点和终点之间的可行连接,进而构造一棵连接起点和终点的RRT。然后利用回溯法对RRT进行多次查询,以获得一组分布广泛的可行路径,从而生成一个多样性丰富的高质量初始种群,并结合遗传算法进行路径规划。为了定量分析初始种群的多样性,本文利用Hausdorff距离定义了一种新的基于广度的种群评价指标。最后为了方便实际应用,本文给出了一种基于B样条曲线技术的路径轨迹平滑处理方法用于平滑最优路径。为了进一步提高移动机器人在复杂环境下的路径规划效率,本文提出了一种基于Multi i Compact-RRT和遗传算法的路径规划算法。首先分别提出了新的地图预处理思想、新的采样极化技术和新的拓...
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题背景和意义
1.2 国内外研究现状
1.2.1 基于遗传算法路径规划的研究现状
1.2.2 基于快速遍历随机树路径规划的研究现状
1.3 论文研究内容和创新点以及结构安排
1.3.1 论文研究内容和创新点
1.3.2 论文结构安排
第二章 相关知识介绍
2.1 引言
2.2 路径规划
2.2.1 路径规划的数学描述
2.2.2 经典路径规划算法
2.3 碰撞检测算法
2.3.1 Bresenham直线扫描算法原理
2.3.2 基于改进Bresenham的碰撞检测算法
2.4 遗传算法
2.4.1 基本遗传算法
2.4.2 改进遗传算法
2.5 快速遍历随机树
2.5.1 概述
2.5.2 快速遍历随机树的原理
2.5.3 快速遍历随机树的流程
2.6 小结
第三章 基于改进Bi-RRT的遗传算法的路径规划
3.1 引言
3.2 地图预处理
3.3 可行路径搜索
3.3.1 Bi-RRT算法原理
3.3.2 改进Bi-RRT算法的思想
3.3.3 改进Bi-RRT算法的流程
3.4 初始种群生成
3.4.1 基于改进Bi-RRT的种群初始化
3.4.2 基于广度的新种群评价指标
3.5 基于改进Bi-RRT的遗传算法的路径规划
3.5.1 概述
3.5.2 基于改进Bi-RRT的遗传算法的路径规划的流程
3.6 基于B样条曲线技术的路径轨迹平滑处理
3.6.1 B样条曲线
3.6.2 基于B样条曲线技术的路径轨迹平滑处理
3.7 小结
第四章 基于Multi i Compact-RRT和遗传算法的路径规划
4.1 引言
4.2 改进的Compact-RRT算法
4.2.1 地图预处理
4.2.2 采样极化技术
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的分层搜索方法
4.3.3 Multi i Compact-RRT算法流程
4.4 基于Multi i Compact-RRT和遗传算法的路径规划
4.4.1 概述
4.4.2 基于Multi i Compact-RRT和遗传算法路径规划的流程
4.5 小结
第五章 算法仿真与分析
5.1 引言
5.2 基于改进Bi-RRT的遗传算法路径规划的仿真实验
5.2.1 实验准备
5.2.2 不同种群初始化方法对比实验
5.2.3 基于不同种群初始化遗传算法的路径规划对比实验
5.2.4 基于B样条曲线技术的路径轨迹平滑处理
5.3 基于Multi i Compact-RRT和遗传算法路径规划的仿真实验
5.3.1 实验准备
5.3.2 不同RRT算法拓展能力对比实验
5.3.3 不同种群初始化方法对比实验
5.3.4 基于不同种群初始化遗传算法的路径规划对比实验
5.4 小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间的研究成果
致谢
本文编号：3754621
【文章页数】：88 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题背景和意义
1.2 国内外研究现状
1.2.1 基于遗传算法路径规划的研究现状
1.2.2 基于快速遍历随机树路径规划的研究现状
1.3 论文研究内容和创新点以及结构安排
1.3.1 论文研究内容和创新点
1.3.2 论文结构安排
第二章 相关知识介绍
2.1 引言
2.2 路径规划
2.2.1 路径规划的数学描述
2.2.2 经典路径规划算法
2.3 碰撞检测算法
2.3.1 Bresenham直线扫描算法原理
2.3.2 基于改进Bresenham的碰撞检测算法
2.4 遗传算法
2.4.1 基本遗传算法
2.4.2 改进遗传算法
2.5 快速遍历随机树
2.5.1 概述
2.5.2 快速遍历随机树的原理
2.5.3 快速遍历随机树的流程
2.6 小结
第三章 基于改进Bi-RRT的遗传算法的路径规划
3.1 引言
3.2 地图预处理
3.3 可行路径搜索
3.3.1 Bi-RRT算法原理
3.3.2 改进Bi-RRT算法的思想
3.3.3 改进Bi-RRT算法的流程
3.4 初始种群生成
3.4.1 基于改进Bi-RRT的种群初始化
3.4.2 基于广度的新种群评价指标
3.5 基于改进Bi-RRT的遗传算法的路径规划
3.5.1 概述
3.5.2 基于改进Bi-RRT的遗传算法的路径规划的流程
3.6 基于B样条曲线技术的路径轨迹平滑处理
3.6.1 B样条曲线
3.6.2 基于B样条曲线技术的路径轨迹平滑处理
3.7 小结
第四章 基于Multi i Compact-RRT和遗传算法的路径规划
4.1 引言
4.2 改进的Compact-RRT算法
4.2.1 地图预处理
4.2.2 采样极化技术
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的分层搜索方法
4.3.3 Multi i Compact-RRT算法流程
4.4 基于Multi i Compact-RRT和遗传算法的路径规划
4.4.1 概述
4.4.2 基于Multi i Compact-RRT和遗传算法路径规划的流程
4.5 小结
第五章 算法仿真与分析
5.1 引言
5.2 基于改进Bi-RRT的遗传算法路径规划的仿真实验
5.2.1 实验准备
5.2.2 不同种群初始化方法对比实验
5.2.3 基于不同种群初始化遗传算法的路径规划对比实验
5.2.4 基于B样条曲线技术的路径轨迹平滑处理
5.3 基于Multi i Compact-RRT和遗传算法路径规划的仿真实验
5.3.1 实验准备
5.3.2 不同RRT算法拓展能力对比实验
5.3.3 不同种群初始化方法对比实验
5.3.4 基于不同种群初始化遗传算法的路径规划对比实验
5.4 小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间的研究成果
致谢
本文编号：3754621
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3754621.html
