摘要
移动机器人的路径规划问题可分为全局路径规划和局部路径规划。优化算法是影响路径规划效果的关键因素之一，在路径规划中萤火虫算法因其强大的优化能力备受学者青睐。本文针对复杂环境中基于萤火虫算法的移动机器人路径规划问题做了如下研究: (1)针对全局路径规划中不合理的种群规模影响萤火虫算法优化能力的问题，提出了一种基于自适应种群规模萤火虫算法的全局路径规划方法。首先，依据碰撞避免的准则建立路径碰撞程度的评价方法，根据路径的碰撞程度，构建了两个非线性函数来确定种群规模。然后，建立了路径规划动态过程中萤火虫种群添加或删除个体策略，新增个体依靠随机生成，删除个体时优先删除不可行解中的萤火虫。最后，在现有不可行路径处理方法的基础上，引入一个种群大小自适应调整的系数来控制不可行路径接近可行区域的程度。通过上述一系列改进方法，并开展仿真实验与固定种群规模的萤火虫算法相比，实验结果表明:提出的算法在求解的稳定性、收敛速度和运行时间方面都有更好的表现。 (2)在局部路径规划算法研究中，针对现有文献中单一目标函数的萤火虫算法易于陷入局部最优陷阱的问题，提出了一种基于变目标函数的萤火虫算法。首先，建立搜索终点目标函数、逃离陷阱目标函数分别用于处理搜索目标和逃离局部陷阱两个具有冲突的需求。然后，根据目标函数在迭代收敛过程中，出现异常增大的现象，从而判断陷入局部最优，此时将算法从常规的搜索终点目标函数切换到逃离陷阱目标函数，指导机器人逃离陷阱。进一步，根据机器人与目标点的距离是否变小来判断是否成功逃离出陷阱，算法将再次启用搜索终点目标函数直至到达目标点。最后，通过实验与现有的局部路径规划算法进行对比，结果表明:提出的算法在动态障碍物、动态目标点和局部陷阱情况下有着更好的表现。 (3)最后，在轮式移动机器人实验平台中对本文提出的改进算法进行实际场景下的验证。实验结果表明运用本文提出算法，机器人可以成功躲避环境中放置的所有类别障碍物并安全到达目标位置。实验验证了本文所提出的路径规划算法的有效性以及在实际使用过程中的可行性。
NETL