基于免疫蚁群算法的机器人路径规划

【引言】机器人路径规划是指在有障碍物的工作空间中，寻找一条使机器人从指定的起点到终点的最优路径，并且这条路径在运动过程中能绕过障碍物。最优路径以用时最短、长度最短或耗能最少为选择准则[1]。传统的路径规划方法主要有自由空间法、栅格法和人工势场法等等[2]。这些算法的实时性较强，但全局规划能力不足；随着算法研究的不断深入，一些智能算法用于解决路径规划问题，如神经网络、遗传算法、蚁群算法、免疫算法等等。智能算法的应用通常采用传统方法建立路径规划的环境模型。栅格法是研究机器人路径规划应用的最广泛的方法之一，是对平面移动机器人路径规划的抽象模型，是对机器人工作空间的静态划分。栅格法把机器人的工作空间分割成规则而均匀的栅格，每个栅格可为两种状态，表示栅格处是否存在障碍，没有障碍的栅格称为可行栅格，否则称为障碍栅格[3]。在机器人移动的过程中，栅格的尺寸和位置不变，并且栅格的尺寸与机器人的移动步长相同。机器人在移动的过程中能够记录栅格信息。对于栅格中的任意点的下一步到达的位置有8个，分别为上、下、左、右、左上、右上、左下、右下，在8个位置中自由栅格为实际的可行栅格，障碍栅格为不可行栅格。