学位论文 > 优秀研究生学位论文题录展示

复杂环境下基于贝叶斯蚁群算法的机器人路径规划研究

作 者: 王娟
导 师: 朱庆保
学 校: 南京师范大学
专 业: 计算机软件与理论
关键词: 机器人路径规划 蚁群算法 贝叶斯决策 滚动窗口
分类号: TP242
类 型: 硕士论文
年 份: 2011年
下 载: 19次
引 用: 0次
阅 读: 论文下载
 

内容摘要


移动机器人路径规划是机器人控制技术的重要基础问题,这一领域的研究已取得了广泛的成果。但在实际应用中,移动机器人的工作环境有许多是复杂的障碍环境,这类环境可能存在着大量的陷阱障碍物(如凹形障碍物、死角形障碍物等),在这样的工作环境下,机器人路径规划容易陷入局部最优,可能会产生振荡、死锁等问题,从而导致机器人无法寻找到最优路径甚至算法失效。已有的成果并没有很好的解决这些问题。例如,已有的基于蚁群算法的机器人路径规划算法,仅仅考虑了环境的先验信息,没有对可行节点周围的障碍物分布情况进行后验分析,在遇到陷阱障碍物时,算法很容易陷入局部最优并可能出现停滞。为此,本文引入了贝叶斯决策理论的思想,提出了基于贝叶斯决策蚁群算法的机器人路径规划方法,该算法在路径节点的选择上采用贝叶斯模型,通过后验概率对候选节点周围的障碍进行评估,改进了基本蚂蚁算法的随机搜索策略,解决了复杂障碍环境下蚁群算法容易出现的停滞问题。仿真试验表明,改进后的算法能够寻找到更好的全局最优解,特别适用于复杂环境下存在陷阱障碍的机器人路径规划。在复杂的未知环境下,基于滚动窗口的算法是常用的算法,但滚动窗口容易出现“振荡”现象,为了解决这个问题,本文提出了基于贝叶斯决策的滚动窗口算法,引入贝叶斯最小风险决策思想,对候选的局部子目标周围的障碍环境进行风险评估,选择期望风险最低的子目标作为局部最优子目标,极大地降低了子目标位于陷阱障碍物内或者周围的可能性,解决了复杂环境下滚动窗口的“振荡”问题。仿真试验结果表明,在具有陷阱障碍的复杂环境中,本文算法在解的质量上优于相关算法,效果令人十分满意。

全文目录


摘要  4-5
Abstract  5-8
第1章 绪论  8-16
  1.1 课题的研究背景及意义  8-10
  1.2 机器人路径规划国内外研究现状  10-13
  1.3 本文的主要研究内容和创新之处  13-16
    1.3.1 本文的主要研究内容  13-14
    1.3.2 本文的创新之处  14
    1.3.3 文章的组织结构  14-16
第2章 环境建模与环境分析  16-23
  2.1 常用环境建模的方法及比较  16-18
  2.2 基于栅格的环境建模  18-19
  2.3 相关定义  19-20
  2.4 复杂障碍环境分析  20-22
  2.5 本章小结  22-23
第3章 基于蚁群算法的路径规划  23-28
  3.1 蚁群优化算法简介  23-24
  3.2 基于蚁群算法的路径规划  24-27
    3.2.1 问题的描述和定义  25
    3.2.2 算法的简单描述  25
    3.2.3 算法的具体步骤  25-26
    3.2.4 蚁群算法的优缺点分析  26-27
  3.3 本章小结  27-28
第4章 基于贝叶斯决策的路径规划  28-33
  4.1 贝叶斯决策的理论基础  28-29
  4.2 贝叶斯决策法则  29-31
    4.2.1 基于最小错误率的贝叶斯决策  30
    4.2.2 基于最小风险的贝叶斯决策  30-31
  4.3 贝叶斯决策在路径规划中的应用  31-32
  4.4 本章小结  32-33
第5章 复杂环境下基于贝叶斯蚁群的路径规划  33-39
  5.1 问题描述和相关定义  33
  5.2 基于贝叶斯决策的蚂蚁算法的基本思想  33-36
    5.2.1 基于贝叶斯决策的概率计算  34-36
    5.2.2 模拟退火机制的引入  36
  5.3 基于贝叶斯决策的蚂蚁算法步骤  36-37
  5.4 仿真实验及比较  37-38
  5.5 本章小结  38-39
第6章 复杂环境下基于贝叶斯滚动窗口的路径规划  39-51
  6.1 基于滚动窗口的路径规划  39-42
    6.1.1 问题描述与相关定义  39-41
    6.1.2 传统的局部子目标映射法则  41-42
    6.1.3 基于滚动窗口的路径规划算法描述  42
  6.2 滚动窗口的"振荡"现象以及解决方案  42-44
    6.2.1 滚动窗口的"振荡"现象  42-43
    6.2.2 振荡现象的解决方案  43-44
  6.3 避免滚动窗口振荡的贝叶斯决策模型  44-50
    6.3.1 局部子目标风险因子的确定  45-46
    6.3.2 局部子目标损失函数的确定  46-47
    6.3.3 局部子目标选择的概率运算  47
    6.3.4 改进的局部子目标映射法则  47-48
    6.3.5 基于贝叶斯决策的滚动窗口算法步骤  48
    6.3.6 仿真实验及比较  48-50
  6.4 本章小结  50-51
第7章 总结与展望  51-53
  7.1 论文工作总结  51
  7.2 研究工作展望  51-53
参考文献  53-59
致谢  59-60
附录  60
  在读期间参与的课题  60
  在读期间发表的论文  60

相似论文

  1. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  2. 基于蚁群算法的电梯群优化控制研究,TU857
  3. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  4. 基于改进蚁群算法的机器人路径规划研究,TP242
  5. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  6. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  7. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  8. 复杂动态环境下的小型足球机器人路径规划研究,TP242
  9. 基于物理拓扑感知的Chord算法研究,TP393.02
  10. RoboCup中型组足球机器人的设计和开发,TP242
  11. 电渣炉过程控制系统的设计及优化控制,TP273
  12. 移动机器人路径规划研究及仿真实现,TP242
  13. Ad Hoc网络中分簇路由算法的研究,TN929.5
  14. 图像信息处理机的图像处理方法研究,TP391.41
  15. 智能光网络中路由选择算法的研究,TN929.1
  16. 面向无线传感器网络的多路径路由协议研究,TN915.04
  17. 改进蚁群算法在盲均衡中的应用,TN911.5
  18. 智能光网络动态路由和波长分配算法的研究,TN929.1
  19. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  20. 基于蚁群算法的车辆调度问题研究,TP301.6
  21. 融合MMTD与仿生算法的路由选择研究,TP393.05

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com