利用自适应选择算子结合遗传算法的机器人路径规划方法

摘要: 在二维复杂环境中，为了避免机器人运动规划中可能出现的局部陷阱和过早收敛问题，提出一种改进的元启发式算法—自适应遗传算法。首先，利用随机Dijkstra算法创建初始种群；然后，在遗传算法的每一代中，改进所创建的路径，并用自适应算子替代常规选择算子；最后，通过搜索过程中的反馈信息，可以令自适应选择算子在整个算法运行中恰当地控制选择压力。为了验证所提方法的有效性，在MATLAB中进行了仿真实验，并将所提方法与另外两种典型方法进行了对比。实验结果表明，提出的方法可以有效避免路径规划中的局部收敛问题，且在复杂环境中也可以产生可行路径。