改进遗传算法在机器人路径规划中的应用

郑宝娟　张婷宇

摘 要 针对传统遗传算法规划的路径点不连续，不平滑的不足，对遗传算法进行了改进，首先通过碰撞侦测来探测前进路径中的障碍物，再利用遗传算法结合B样条曲线规划出平滑的避障路径。实验表明了新算法路径规划结果更平滑，效果更好。

关键词 遗传算法 B样条 路径规划

中图分类号：TP242.6文献标识码：A

0引言

路径规划是人工智能和机器人领域研究的热点问题之一，属于NP难问题。规划目标是在具有障碍物的环境中，从机器人的指定起点开始，规划出一条运行安全的、时间最优的路径，并且机器人能够沿着该路径绕过所有障碍物到达指定终点。近些年，遗传算法已经被广泛地用在机器人的路径规划中。然而大部分的路径规划都没有考虑到路径平滑优化，以产生最短路径为目标，从而规划出的路径为曲折的线段集合，而不是连续平滑的曲线，往往会造成应用上的困扰。本文利用遗传算法和 B 样条曲线生成算法，生成平滑的避障路线，从而避免因为运动方向突变，转弯产生的机器人齿轮的磨损和突然减速带来的位置误差。

1遗传算法路劲规划

1.1适应度函数的建立

以路径长度为优化目标，建立以下优化函数：

式中，为路径中第段点到点的欧式距离，为种群数量。

的表达式为：

（1）

1.2 B样条曲线

本文中使用了最为广泛的3 阶B 样条曲线作为平滑路径产生的方法，3 阶 B 样条曲线和控制点见的关系如下列公式所示：

（2）

1.3基于B样条插值的遗传算法路径规划流程

Step1产生初始种群;

Step2 计算个体适应度;

Step3 判断是否為最大迭代次数，若达到最大迭代次数，则输出当前解，当前解即为最优解;若种群当前代小于最大迭代次数，则对该种群进行一系列的遗传操作，选择、交叉、变异等，返回第2步;

Step4 达到最大迭代次数，B样条优化路径点，输出最佳路径，算法结束。

2仿真分析

采用 Matlab 仿真软件，对上述算法进行了仿真测试。算法参数设置为：种群规模 popsize = 60，遗传代数 t =50;交叉概率 = 0.9，概率 = 0.2，所得的仿真结果如下图所示。粗平滑曲线即为通过计算所获得的最优机器人路径。黑折线为传统遗传算法所得路径规划结果，从图中可以看出，本文所提出的算法路径更平滑，更能减少机器人磨损。

3结论

本文应用遗传算法进行机器人路径规划，设计了B样条优化，能够使产生的路径结点连续，平滑，仿真实验表明，相比传统优化算法，减少了机器人的磨损和转弯打滑产生的误差。

参考文献

[1] 张毅，代恩灿，罗元.基于改进遗传算法的移动机器人路径规划[J].计算机测量与控制，2016，24（01）：313-316.

[2] 葛勇，牛成水，杜美云等.基于改进遗传算法的移动机器人路径规划的研究[J].青海大学学报，2018，156（02）：37-44.