导览机器人的智能路径规划方法：模糊逻辑方法、神经网络和遗传算法

近年来，随着遗传算法、神经网络等智能方法的广泛应用，智能导览机器人路径规划方法也有了长足的进展，许多研究者把目光渐渐放到了基于智能方法 的路径规划研究上。其中，应用较多的算法主要有模糊逻辑方法、神经网络和 遗传算法。

1)模糊逻辑方法

模糊逻辑方法是在线规划中通常采用的一种规划方法，包括建模和局部规划。有关的文献中提出了一种模糊概念的动态环境模型，把各个物体的运动状态用模糊集的概念(即运动平面上的二维隶属函数) 来表达，每个物体的隶属函数包含该物体当前位置、速度大小和速度方向等信 息，然后通过模糊综合评价对各个方向进行综合考察得到搜索结果。但是，这 种方法需要知道运动障碍物的速度大小和速度方向，这在实际应用中是很难做到的。

有的学者提出了一种在未知环境下智能机器人的模糊控制算法。它把障 碍物信息分成三个方向，分别是正前方、左前方和右前方。行为和推理规则的 输入变量设为四个，分别为智能机器人预定的目的地方向，智能机器人前进方向的左、中、右三面的障碍物状态，而从这些条件推出模糊推理的两个输出分 别为智能机器人的速度和方向控制。由于变量被模糊化后，它们的取值被限 定在一个范围内，并且这些变量是障碍物或者目标相对于智能机器人当前位 置的取值，而不是在移动环境中相对于起点的绝对值，因此用这种算法时智能机器人对定位精度不敏感，从而提高了路径规划算法的鲁棒性，但同时也看 到，它在地图的建立、修改以及路径规划方面还是有一定的问题。

2)神经网络

神经网络所具有的基本特点如下：

(1)并行处理性。神经网络采用大规模的并行处理方式，处理速度快。

(2)信息方式存储。信息具有容错性和全息性。

(3)自适应和自组织性。

(4)层次性。由于神经网络一般具有多层结构，可以使功能得到极大的 增强。

现在基于神经网络进行路径规划的研究越来越多。 一些文献提出了一种 基于神经网络的智能机器人路径规划算法，该方法研究了障碍物形状是矩形 并且能用函数来描述其边界和位置已知情况下的智能机器人路径规划算法。 通过计算地图中某个点是否落在障碍物矩形范围中确定这个点是否为障碍物 点，其能量函数的定义利用了神经网络结构，根据路径点位于障碍物内外的不同位置获取不同的动态运动方程，规划出的路径达到了折线形的Z短无碰路 径，计算简单，收敛速度快。

空间点碰撞罚函数具有如下特点：在障碍物中心处的空间点的碰撞罚函 数具有Z大值；随着空间点与障碍物中心距离的增大，其碰撞罚函数的值逐渐减小，且为单调连续变化；在障碍物区域外的空间点其碰撞罚函数的值近似为 0。经分析可知，路径点越远离障碍物，能量函数E 越小；路径的长度越短，能 量函数E 也越小。因此，要使整个能量函数E Z小，便使该路径尽可能地远离障碍物，不与障碍物相撞，并且使路径的长度尽量短，得到一条Z优路径。

3)遗传算法

遗传算法是目前智能机器人路径规划研究中应用较多的一 种方法。无论是单个智能机器人静态工作空间，还是多个智能机器人动态动 作空间，遗传算法及其派生算法都取得了良好的路径规划结果。在一些文献中，用遗传算法完成了离散空间中智能机器人的路径规划，并且获得了较好的 仿真结果。该方法采用栅格法对智能机器人工作空间进行划分，用序号标识 栅格，并且以此序号作为智能机器人路径规划的参数编码，应用遗传算法对智 能机器人路径规划进行研究。但是，可以看到，该路径规划是基于确定环境模 型的，即工作空间中的障碍物位置是已知的、确定的。Kazuo Sugihara和 John Smith 在采用离散空间进行路径规划的同时，将问题更深入化，栅格序号采用 二进制编码，统一确定其个体长度、随机产生障碍物位置及数目，并且在搜索 到Z优路径后，再在环境空间中随机插入障碍物，模拟环境变化，通过仿真结 果验证了该算法的有效性和可行性。但是，规划空间栅格法建模还存在缺陷： 若栅格划分过粗，则规划精度较低；若规格划分太细，则数据量又会太大。

4)动态规划法

前面总结了许多路径规划方面的知识和技术，这里面还 有一个不得不提的重要概念，那就是动态规划，这个概念对于后面的路径规划 方法有着很重要的指导意义。动态规划法是解决多阶段决策优化问题的一种 数值方法。1951年，美国学者贝尔曼等人针对一类多阶段决策问题的特性，提 出了解决这类问题的“Z优化方法”,即动态规划算法。动态规划算法将复杂 的多变量决策问题进行分段决策，从而将其转换为多个单变量的决策问题。 动态规划的基本原理可以表述为：作为整个过程的Z优决策应该具有这样的 性质，即无论过去的状态或者决策如何，对于当前决策所形成的状态而言，后 续的决策必定构成Z优策略。Jerome Barraquand等人以经典的动态规划方法 为基础，对全局路径规划问题进行了研究。结论表明，动态规划算法非常适合 于动态环境下的路径规划。如何改进动态规划的算法以提高计算效率，是当 前动态规划研究的一项重要内容。