论文部分内容阅读
机器人导航问题是机器人技术的核心问题,经典群搜索算法如遗传算法、粒子群算法等在解决传统机器人导航问题时都有着不错的表现。本文在群搜索算法的基础上,针对社会机器人导航这一课题,引入社会行为理论及信息熵理论,分别对常见的社会行为进行建模,建立了新的子估价函数,形成社会群优化算法,并对其有效性、可行性等进行实验证明,取得了理想的效果。本文首先介绍了机器人导航问题的研究背景及意义,总结了国内外研究现状;然后重点提出了本文的理论基础——社会群优化算法;接着针对社会机器人路径规划问题,运用社会行为分类及量化,对人与机器人间的行为交互进行建模。将多机器人环境看作一个混乱体系,利用信息熵理论对机器人之间的行为进行建模及量化并通过理论证明验证了算法的有效性。建立两种环境下的子估价函数,引入到社会群优化算法中;之后建立了一个实验平台,进行仿真实验,并分析了实验过程中的一些关键数据,从实验的角度验证了算法的有效性。最后对全文做出总结,以及对未来这一课题的展望。