论文部分内容阅读
经过与导师及同组研究成员多次讨论后,最后确定智能车的寻迹规划研究作为本人的研究课题。虽然对智能车的研究有规划、诊断等,但本人以路径规划为研究对象,诊断研究不在本课题的研究范畴。寻迹规划隶属智能规划研究范畴,对智能规划的研究换言之就是对描述逻辑(DL)、规划描述语言及规划技术等相关算法的研究。规划表示语言主要有以下三种:早期是描述语言STRIPS (STRIPS方法是以“Stanford Research InstitutePlanning System”这个学术机构的名字来命名的。),这种描述语言主要是有以状态空间为中心的;另外还有以动作为中心的描述语言ADL(Action DescriptionLanguage)和规划领域定义语言PDDL(Planning Domain Definition Language)。研究如何求解规划问题无非就是对各种规划算法进行研究,目的都是为了实现:当问题所具有的状态空间信息能被描述,并且不管是原始还是目标状态及相应的动作的集合的信息都能给出后,我们就能够借用有效推理,寻找原始状态和目标状态之间的路径规划方案,换言之就是能给出一个有效的动作序列,并且在执行该动作序列之后能够从原始状态直通目标状态。本人通过对比研究了状态空间搜索法、偏序规划搜索算法、分层任务网络规划(HTN)、图规划(Graphplan)、启发式规划方法、时序图规划方法及SAT(Satisfiability可满足性)算法后,选择了SAT算法作为本论文实验研究的主要算法。对比学习各种基于转换的规划方法可知基于可满足性的规划算法受到的关注程度最高,该算法在使用时是先把规划问题变化成相关的SAT问题,然后再求解。在现阶段所出现的求解器中SAT求解工具算得上是最有效也是最先进的一种,它是以合取范式CNF(Conjunctive Normal Form)的形式对问题加以表示。SAT规划方法应用过程可以概括如下几点:1、把已知规划问题经过编码转换成为命题公式;2、给命题公式中变量赋不同值,再对该公式应用可满足判定过程方法进行判定,观察这些赋值是否能使得该公式具有可满足性;3、由可满足判定过程结果确定的赋值中提取出比较理想的规划解。路径规划发展迅速,已经慢慢成为综合应用各种规划算法的新规划算法,本文对路径规划的方法仅仅只是一种初步尝试研究,在实验研究测试过程,实验效果并不是很理想。路径规划目前还有一些问题需要我们更加深入研究,比如两个或两个以上的智能车之间的协调规划问题,这些问题要想得到解决,所需要的规划系统将更加先进。