基于粗糙集理论与遗传算法的机器人路径规划方法研究

移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。路径规划技术十移动机器人研究领域的关键技术之一，是移动机器人完成任务的安全保障，是移动机器人智能化程度的标志之一，同时也是人工智能与机器人学的一个令人感兴趣的结合点。 本文对国内外机器人路径规划方法进行了研究，并重点研究了基于粗糙集理论与遗传算法相结合的机器人路径规划方法，即在栅格模型下，由栅格的可行性构建初始决策表，用粗糙集方法对其进行简化，并对遗传算法的初始种群进行训练，直接由粗糙集训练获得一系列可行路径，然后利用遗传算法求解最优路径。该方法较原来的随机选择过程简单，且减少了遗传算法的种群规模。同时在遗传算法交叉概率选择上，采用高适应值低交叉率的自适应选择方法，使得优秀个体获得更大的生存概率，与传统的路径规划方法相比，搜索效率更快，避障精度更高。通过MATLAB软件对该方法进行了仿真试验，结果显示该方法提高了机器人路径规划速度以及在复杂环境下的规划能力，表明粗糙集与遗传算法的结合，具有一定的理论研究意义和实际应用价值。