《机器人路径规划蚁群算法设计与实现.docx》由会员分享，可在线阅读，更多相关《机器人路径规划蚁群算法设计与实现.docx（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、机器人路径规划蚁群算法设计与实现 精品合同，仅供参考，须要可下载运用！中国电子科技高校 毕业设计（论文） 机器人路径规划的蚁群算法设计与实现学 院 名 称 信 息 与 通 信 工 程 学 院专 业 名 称 自 动 化 学 生 学 号 123456789 学 生 姓 名 学 生 姓 名 指 导 教 师 教 授 姓 名助 理 指 导 老 师老师姓名202X 年 X 月毕业论文 仅供参考 专心用情服务社会2 摘 要机器人路径规划是指机器人根据某一指令来搜寻一条从起始状态到目标状态的最优路径或近似最优的无碰路段，它是实现机器人限制与导航的基础。本文探讨的是用蚁群算法来求解机器人最优路径规划的方法。建立
2、一个机器人路径规划的模型，并模拟仿真。试验仿真结果验证了算法的有效性，即使处于困难的障碍物的环境下，也能很快的找出最优路径。关键词：蚁群算法；机器人；路径规划毕业论文 仅供参考 专心用情服务社会3ABSTRACTRobot robot path planning refers to an optimal path from the initial state to a target state or approximate optimal path without touching the search path according to a performance index, which
3、is one of the basic robot control and navigation. This article is based on ant colony algorithm for robot optimal path planning methods. Build a robot path planning based on this model, and simulation by MATLAB. The simulation results show the effectiveness of the algorithm, even in complex geograph
4、ical obstacles, using the algorithm can quickly work out the optimal path.Keywords：antcolony optimizatio；robot；path planning毕业论文 仅供参考 专心用情服务社会4 书目 摘 要. 2 ABSTRACT. 3 1绪论. 5 2蚁群算法. 8 2.1 基本蚁群算法的原理 . 8 2.2 蚁群算法的系统学特征 . 9 2.3 蚁群算法的优点 . 10 3机器人路径规划的蚁群算法设计. 12 3.1 机器人路径规划问题 . 12 3.2 蚁群算法的流程设计 . 12 3.3 蚁群
5、算法实现 . 14 3.3.1 主程序模块 . 14 3.3.2 初始化模块 . 15 3.3.3 解搜寻模块 . 16 3.3.4 保优与信息素更新模块 . 17 4蚁群算法试验分析. 12 4.1 关键参数介绍 . 18 4.2 算法参数设置 . 18 4.2.1 信息素挥发系数 . 18 4.2.2 蚂蚁数量 . 18 4.2.3 信息激素物质的浓度和能见度 . 19 4.2.4 启发式因子 . 19 4.3 试验结果分析 . 19 5总结和展望. 27 参考文献. 28 致谢. 29 附录. 30毕业论文 仅供参考 专心用情服务社会5 1绪论 自然界中，我们总是可以发觉蚂蚁所发觉的食物
6、总是随机的出现在巢穴旁边。经过细致的视察，我们就可以发觉，过了一段时间，蚂蚁们就能找到食物，而且它们从巢穴对食物源之间的路段总是最短的。蚂蚁虽小，且个体实力有限，但是通过分工、合作，它们可以完成不论那个蚂蚁都无法独自完成的困难工作，例如蚂蚁在找寻食物的进程中，他们通过相互协同工作，总是能找到一条从食物到自己巢穴的相对最短路段。 在现实自然生活中，我们可以通过视察，就会发觉几乎全部的蚂蚁所走过的食物到自己巢穴的路途都近似于一条直线，而不是什么曲线等其他形态的线或者图形。蚂蚁这种群体虽然个小，但是不仅能完成比较困难的工作，而且还能很快的适应环境的改变，比如突然出现在蚂蚁去向的路径上的障碍物，一起先
7、各只蚂蚁行走的分布是匀称的，不管是路途的长与短，蚂蚁总是会根据同等概率选择各自要走的路径，在蚂蚁行走进程中，凡是蚂蚁所经过的地方都会留下一种物质，并且能感知这种信息素的存在以及它的强度，并通过此信息素来指导自己行走的方向，它们会朝着信息素浓度较高的方向移动。在同等时间内，较短路径上的信息素的量遗留得越多，则会选择行走较短路径蚂蚁的数量也就会越大。自不待言，由于大多数蚂蚁的集体活动表现出一种信息的正反馈现象，就是某一路径上行走过的蚂蚁数越多，则后来的蚂蚁选择信息素浓度大的路径的概率就越大，蚁群通过这种信息素进行信息沟通，并凭借此来找寻食物，所走的路段总是最短的路段。1989 年闻名的双桥试验，就
8、表明白：从蚂蚁的蚁巢到食物目的地的最短的路途总谁是蚂蚁种群的最终选择。意大利学家依据蚂蚁的找寻食物的这一群体活动的现象，在 1999 年，在人工生命会议上提出了有关蚁群算法的基本模型；其次年，蚁群算法的主要核心思想，又被意大利学家进一步的阐明白。蚁群算法源于蚂蚁找寻食物的活动而被提出的。在蚁群算法中，该算法的最基本单元就是蚂蚁个体本身。蚂蚁所拥有的学问来源于其他蚂蚁信息以及对周边的相识，因此，学问的积累是蚂蚁个体的一个动态进程。蚂蚁个体通过随机决策和相互协调自适应的做出并完成自身的评价，蚁群算法所探讨的焦点就是这种蚂蚁个体之间的分布性和协作性。很强的自学习本事是蚁群算法所具有的，它可依据状况的
9、变更和已产生的活动对自身的学问库或组织布局进行再组织，进而达到算法求解实力的加强，恰是算法自身学习本事与状况改变的相互作用孕育了这类进化，同时该算法的不行预料性也由环境改变的不确定性与算法机理的困难性的影响而加强了。自 1991 年来，Dorigo M 等学家提出蚁群算法后的近 5 年内，该算法在毕业论文 仅供参考 专心用情服务社会6 国际学术界并没有引起广泛关注，也没有取得任何突破的进展。直到了 1996 年，Dorigo M 等本身在IEEE Transactions on Systems，Man，and Cybennetics-Patr B上发表了Ant systems：optimiza
10、tion by a colony of cooperation agents一文，在文中，Dorigo M 等学家不仅更加具体的说明白蚁群算法的基本原理和数学模型，还将蚁群算法与多种算法进行仿真试验并进行系统具体的比较，且对蚁群算法中的初始化参数对其机能评估的影响做了初步探究，这是蚁群算法发展历史上的又一篇奠基性作品。从已经公开发表的有关蚁群算法的文章来说，其中大部分的论文都将这篇章或者 Dorigo M 在 1991 年发表的distributed optimization by ant colonies一文用来当作参考的文献。然而持续高涨的对蚁群算法的探讨热忱，干脆导致了在国际上，首届蚁群
11、算法探讨会的召开，地点就在当时的比利时布鲁塞尔，这场会议组织负责人就是蚁群算法的创始人 Dorigo M。第一届探讨会就吸引了 50 多位探讨者，他们都是来自五湖四海的探讨蚁群算法 的爱好者，随后每三年，蚁群算法探讨会都会在在布鲁塞尔被召开一次，历届的论文集都是由闻名的Lecture Notes in computerscience收集再出版。2000 年，在nature上出现了一篇关于蚁群算法的综述，该篇文章就是由 dorigo m 和 bonabeau E 等学家所发表的。经过此次文章发表之后，对蚁群算法的这一领域的探讨，成为了国际学术界的前沿课题。21 世纪后的几年里，蚁群算法不断的出现
12、颇硕的探讨成果，顶级学术刊物nature又多次对这些探讨成果进行了特殊的报道，Future generationcomputer systems和IEEE transactions on evolutionary computation 也相继的出版了有关该算法的特殊刊登。现在，在很多学术期刊和会议上包括国内以及国外的， 蚁群算法已经成为了探讨热点，深受广阔探讨者的关注。对于收敛性的证明，是由 Gutiahr w j 证明的，他所发表的两篇学术论文同样对算法发展的历史上有着独特的作用。Gutjahr w j 用有向图的行走来比作蚁群的这一活动 ，并从有向图的角度分析，对于一种能改进收敛性绽开
13、了具体的理论分析证明白在合理充分的假设志向条件下，所要求问题的最优解答能被 GBAS 能以肯定的概率收敛而得到。对蚁群算法的钻研，我国算是起步较晚，从曾经公开公布的文章的时间来看，在国内，东北高校的张纪会与徐心和是探讨蚁群算法的先驱探讨者。在国内众多探讨蚁群算法的探讨者中，最令人惊异的是年仅 17 岁的高二学生陈桦在2001 年在计算机工程这书上发表了带杂交算子的蚁群算法一文，并通过Visual Basic 开发了一个功能全、界面好的蚁群算法试验室，受到了业界广阔蚁群算法爱好者以及探讨者的热情关注，就像计算机工程编者按所说那样：一个中学生能写出这样的论文实属不易。毕业论文 仅供参考 专心用情服
14、务社会7回首蚁群算法从创立到现在的发展历史，探讨者对蚁群算法这一算法的探讨已由单一的 TSP 领域拓展到多个领域。由一维静态优化转变到多维动态组合优化，由离散域范围到连续域范围，以及基于蚁群算法的硬件，在实现上也取得了突破性的进展，同时对蚁群算法的模型的改进及与其他仿生优化算法的相应融合也取得了颇富的探讨成果，使的这种仿生算法呈现出未曾有过的朝气，并已经成为一种完全可媲美遗传算法的仿生算法。毕业论文 仅供参考 专心用情服务社会8 2蚁群算法 2.1 基本蚁群算法的原理 人们依据大自然的蚂蚁觅食这一行为，模拟出了蚁群算法，该算法具有正反馈、并行性、适应环境的特点。仿生学家从长期的探讨中发觉：蚂蚁虽然没有视觉，但是它们在移动过程中，会在路上释放一种特殊的分泌物（信息素），并依据该种信息素来辨别所要行走的方向。当它们来到一个未曾走的路口时，他们会随机的选择一条路前进，并在所走的路上释放信息素，该信息时与所走的路段的长短有关，路段越长，信息素的释放.