群體智能算法及其在移動機器人路徑規(guī)劃與跟蹤控制中的研究.pdf

1、群體智能是指無智能的主體通過合作表現(xiàn)出智能行為特性的系統(tǒng)，群體智能在沒有集中控制且不提供全局模型的前提下，為尋找復(fù)雜問題的解決方案提供了基礎(chǔ)。群體智能算法是基于群體行為對給定的目標(biāo)進(jìn)行尋優(yōu)的啟發(fā)式搜索算法，其尋優(yōu)過程體現(xiàn)了隨機、并行和分布式等特點。群體智能算法的典型代表是1995年Kennedy和Eberhart提出的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法。PSO算法自提出以來，由于其計算簡單、

2、易于實現(xiàn)、控制參數(shù)少等特點，引起了國內(nèi)外相關(guān)領(lǐng)域眾多學(xué)者的關(guān)注和研究。J.Sun等在深入研究PSO算法單個粒子收斂行為的基礎(chǔ)上，受量子物理學(xué)的啟發(fā)提出了具有量子行為的粒子群優(yōu)化(Quantum-behaved Particle SwarmOptimization，QPSO)算法，QPSO算法具有控制參數(shù)更少，收斂速度快，全局搜索能力強等特點。
　　 本文以QPSO算法為基礎(chǔ)，提出了幾種不同搜索策略的改進(jìn)QPSO算法；針對離散空間

3、優(yōu)化問題，提出了二進(jìn)制編碼的具有量子行為的粒子群優(yōu)化(Binary QPSO，BQPSO)算法，對其進(jìn)行了深入的分析和研究；并研究了群體智能算法在移動機器人路徑規(guī)劃和軌跡跟蹤控制中的應(yīng)用方法，具體內(nèi)容如下：
　　 (1)闡述了群體智能優(yōu)化算法及移動機器人路徑規(guī)劃和軌跡跟蹤控制的研究背景；介紹了兩種典型的群體智能算法的研究現(xiàn)狀，即蟻群優(yōu)化(ACO)算法和PSO算法；對移動機器人路徑規(guī)劃和軌跡跟蹤控制的設(shè)計方法作了詳細(xì)的介紹；提出了

4、本課題的研究思路和方法。
　　 (2)為了進(jìn)一步提高QPSO算法在解決多峰優(yōu)化問題中全局搜索能力，增加算法后期群體的多樣性，提高算法在大范圍內(nèi)進(jìn)行搜索的能力，提出了在群體中采用隨機選擇最優(yōu)個體的操作策略以避免群體的多樣性過小，從而提高算法的全局搜索能力，通過對標(biāo)準(zhǔn)測試函數(shù)的求解表明改進(jìn)算法的全局求解能力得到了提升。
　　 (3)詳細(xì)分析了智能群體的決策機制，發(fā)現(xiàn)在智能群體決策過程中，個體粒子參與決策的權(quán)利根據(jù)個體的優(yōu)劣程

5、度是不相同的，提出了在QPSO算法中引入線性權(quán)重算子和精英選擇算子進(jìn)一步提高QPSO算法的搜索效率及優(yōu)化性能。兩種改進(jìn)算法通過在標(biāo)準(zhǔn)測試函數(shù)中的求解顯示了較好的性能，其中引入線性權(quán)重算子的改進(jìn)方法取得了較為明顯的優(yōu)勢。
　　 (4)針對離散空間優(yōu)化問題，給出了二進(jìn)制編碼的QPSO算法的設(shè)計思路，提出了BQPSO算法的進(jìn)化方程。通過泛函分析的方法和隨機過程方法分析了BQPSO算法的收斂性，得出全局收斂的結(jié)論。對多個測試函數(shù)的求解結(jié)

6、果顯示了BQPSO算法相對于二進(jìn)制編碼的PSO(BPSO)算法的優(yōu)越性。
　　 (5)算法參數(shù)是影響算法性能和效率的關(guān)鍵，文中對BQPSO算法的控制參數(shù)的取值方式作了系統(tǒng)的研究，提出了該參數(shù)的三種控制策略，即固定取值策略、線性取值策略和自適應(yīng)取值策略，通過對測試函數(shù)的求解分別研究了這三種控制策略，得出了具有指導(dǎo)意義的結(jié)論。分析了BQPSO算法的多樣性控制方法，基于群體多樣性的度量方式，提出了采用重新初始化最優(yōu)平均值和變異最優(yōu)個體

7、的方式對群體操作避免群體的多樣性過小，從而提高算法的性能。
　　 (6)分析了移動機器人路徑規(guī)劃的不同技術(shù)方法，提出了BQPSO算法和柵格技術(shù)相結(jié)合的機器人路徑規(guī)劃方法，并利用多個設(shè)計實例來驗證該方法的設(shè)計效果，仿真結(jié)果顯示了該方法能夠在工作空間中規(guī)劃出適合機器人運動的無碰撞路徑。
　　 (7)分析了移動機器人軌跡跟蹤控制的兩種控制器設(shè)計方法。根據(jù)反演設(shè)計方法設(shè)計了軌跡跟蹤控制器；分析了滑模變結(jié)構(gòu)控制的基本原理，采用指數(shù)

8、趨近律和冪次趨近律相結(jié)合的方法，設(shè)計了新的滑模跟蹤控制律，并使用PSO算法、QPSO算法和改進(jìn)QPSO算法分別優(yōu)化了反演跟蹤控制器和滑模跟蹤控制器中的參數(shù)，使用多個實例驗證了優(yōu)化后的跟蹤控制器的設(shè)計效果；通過對設(shè)計效果的分析和比較，表明了兩種跟蹤控制器都能夠控制機器人實現(xiàn)對既定軌跡的跟蹤，仿真結(jié)果顯示QPSO算法及改進(jìn)算法能夠在軌跡跟蹤控制器的參數(shù)優(yōu)化中取得更好的優(yōu)化效果。
　　 (8)使用一個綜合實例驗證了BQPSO算法結(jié)合柵