论文部分内容阅读
摘 要：随着现代化科学技术以及各项手段的不断改进，智能机器人项目的研究不断推进，为各领域的实践注入了新的活力。遗传算法是一种可以解决复杂优化问题的科学方法，在很多领域都涉及到遗传算法。在遗传算法的支撑下，智能机器人项目研究有着实质性的进步，智能机器人在设计好的路径指令下能够实现行进过程中的最优路径选择。本文就针对遗传算法影响下的智能机器人路径规划的相关内容做以阐述，以期为职能机器人项目的研究提供有益的借鉴。
关键词：遗传算法；智能机器人；路径规划
前言
现阶段，在现代社会中，各领域生产智能化发展速度不断加快，与此同时，智能机器人成为了国内外该领域的研究人员的重点科研对象，并且针对智能机器人的路径选择问题进行深入探究。在研究过程中，为了能够令机器人帮助人类做更多的实际工作，则开发了智能机器人来辅助实践，在各项指令的操作和影响下下，机器人能够完成人类赋予它的任务。
一、遗传算法概述
（一）简析遗传算法
早在上个世纪中叶，世界范围内的少数计算机科学家开始探究遗传算法的雏形，而后，在一段时期内，遗传算法成为了一种进化计算的分支策略，填补了编码方案设计领域的空白。实际上，遗传算法在实践过程中的应用策略较为简单，在该算法支撑下的搜索能力以及躲避障碍物的能力都较强。
（二）遗传算法的实践优势
应用遗传算法来对智能机器人的路径进行科学规划的过程中，可以将其与直角坐标法结合起来应用，这样一来，便可以简化数据计算以及编码过程的复杂程度，保障机器人在行进的过程中的大部分时间处于环境的中心位置，从而避免遇到障碍而停止行进[1]。
二、基于遗传算法的智能机器人的路径规划
要想令智能型机器人顺利地游走于各类静态与动态环境之中，不被各种障碍物体所碰到，并能够完成一定的任务，并不是一件容易的事。因此，需要利用遗传算法这一科学研究内容来完善智能机器人的路径规划方案，使其达到既定行进目标。
（一）智能机器人研究项目概述
在智能机器人的研究领域中，机器人的路径规划指的是机器人在它的工作范围内，根据系统内部的指令来进行最优化的选择，包括行走路径最短或行走时间最少等决策都是通过路径规划指令来引导，甚至在智能机器人的行走过程中遇到障碍物时，则也同样需要路径规划指令操作来判断最优的行动路径[2]。
（二）在遗传算法影响下的智能机器人路径规划的特征与优劣势研究
1.基于遗传算法的智能机器人行进路径的特点分析
遗传算法是以自然遗传机制为前提，在某种程度上以生物进化过程为基础来构建的一种数学模型，在其中利用变异编制控制机构等计算程序。基于遗传算法的智能机器人路径规划需要占据大量的存储运算空间，因此，智能机器人的路径规划速度较为缓慢，在复杂动态环境下的路径规划实效不佳，需要在未来研究过程中对其进行改进。
2.基于遗传算法的智能机器人路径规划的优劣势分析
就从基于遗传算法的智能机器人路径规划来看，尽管这一模式能够在一定程度上为机器人提供可行的行进方案，但其行进速度较为缓慢，即使受到局部选择极小的障碍，也会令智能机器人在动态环境中步履维艰。研究发现，基于遗传算法的智能机器人路径规划具备一定的研究价值，推进了智能机器人项目的研究进展。
通过分析遗传算法的特征及其演进过程，运用遗传算法或其它模拟形式来优化智能机器人的路径规划，则可以在一定程度上增强智能机器人的性能。但是，无论何种方法，都或多或少的存在一定的问题，不能达到智能机器人最优路径选择的要求[3]。相对而言，尽管存在一定的不足，但基于遗传算法的智能机器人路径规划相对还是较为可行。目前，在各项技术支撑下的智能机器人已经具备一定的实践能力。
在遗传算法的推进下，智能机器人项目的研究有了新的进展，且在机器人的路径规划方面有了极大的突破，但就目前的研究成果来看，智能机器人的行进路线并不完美，成功完成某一既定的行进任务的概率并不高，因此，相关的技术科研人员还需针对路径规划问题做深入的探讨与研究。未来的主要研究方向有以下几项内容：其一，全局路径规划与局部路径规划的有效整合；其二，多传感器信息融合技术的引入；其三，智能算法以及相关改进研究等[4]。相信在多元化的智能算法影响下，智能机器人的行进路径规划则会更加准确，并且，能够完成更为高级的指令任务，为人类社会各领域的生产建设提供优质的服务。
结束语：
通过研究智能机器人路径规划可以了解到，不同策略方式的选择应用都可以充实到智能机器人研究成果之中，尤其是遗传算法的实践应用，令智能机器人路径规划更加合理。从以往的研究资料中可以了解到，智能机器人路径规划是机器人研究领域中的一项重要分支，同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中，遇到了诸如易陷入局部最优等问题，进而提出应用改进遗传算法来改善这一状况，并且取得了良好的实效。总之，基于遗传算法的机器人路径规划能够在一定程度上推动该研究项目的发展，从而积累更多的研究经验。■
参考文献
[1]崔瑾娟.基于遗传算法的机器人路径规划[J].洛阳师范学院学报，2013，02（02）：35-36.
[2]谭艳.基于遗传算法的机器人路径规划问题[J].现代计算机，2013，08（15）：23-24.
[3]石铁峰.改进遗传算法在移动机器人路径规划中的应用[J].计算机仿真，2011，04（04）：194-195.
[4]郝博，秦丽娟，姜明洋.基于改进遗传算法的移动机器人路径规划方法研究[J].计算机工程与科学，2010，07（07）：106-107.
关键词：遗传算法；智能机器人；路径规划
前言
现阶段，在现代社会中，各领域生产智能化发展速度不断加快，与此同时，智能机器人成为了国内外该领域的研究人员的重点科研对象，并且针对智能机器人的路径选择问题进行深入探究。在研究过程中，为了能够令机器人帮助人类做更多的实际工作，则开发了智能机器人来辅助实践，在各项指令的操作和影响下下，机器人能够完成人类赋予它的任务。
一、遗传算法概述
（一）简析遗传算法
早在上个世纪中叶，世界范围内的少数计算机科学家开始探究遗传算法的雏形，而后，在一段时期内，遗传算法成为了一种进化计算的分支策略，填补了编码方案设计领域的空白。实际上，遗传算法在实践过程中的应用策略较为简单，在该算法支撑下的搜索能力以及躲避障碍物的能力都较强。
（二）遗传算法的实践优势
应用遗传算法来对智能机器人的路径进行科学规划的过程中，可以将其与直角坐标法结合起来应用，这样一来，便可以简化数据计算以及编码过程的复杂程度，保障机器人在行进的过程中的大部分时间处于环境的中心位置，从而避免遇到障碍而停止行进[1]。
二、基于遗传算法的智能机器人的路径规划
要想令智能型机器人顺利地游走于各类静态与动态环境之中，不被各种障碍物体所碰到，并能够完成一定的任务，并不是一件容易的事。因此，需要利用遗传算法这一科学研究内容来完善智能机器人的路径规划方案，使其达到既定行进目标。
（一）智能机器人研究项目概述
在智能机器人的研究领域中，机器人的路径规划指的是机器人在它的工作范围内，根据系统内部的指令来进行最优化的选择，包括行走路径最短或行走时间最少等决策都是通过路径规划指令来引导，甚至在智能机器人的行走过程中遇到障碍物时，则也同样需要路径规划指令操作来判断最优的行动路径[2]。
（二）在遗传算法影响下的智能机器人路径规划的特征与优劣势研究
1.基于遗传算法的智能机器人行进路径的特点分析
遗传算法是以自然遗传机制为前提，在某种程度上以生物进化过程为基础来构建的一种数学模型，在其中利用变异编制控制机构等计算程序。基于遗传算法的智能机器人路径规划需要占据大量的存储运算空间，因此，智能机器人的路径规划速度较为缓慢，在复杂动态环境下的路径规划实效不佳，需要在未来研究过程中对其进行改进。
2.基于遗传算法的智能机器人路径规划的优劣势分析
就从基于遗传算法的智能机器人路径规划来看，尽管这一模式能够在一定程度上为机器人提供可行的行进方案，但其行进速度较为缓慢，即使受到局部选择极小的障碍，也会令智能机器人在动态环境中步履维艰。研究发现，基于遗传算法的智能机器人路径规划具备一定的研究价值，推进了智能机器人项目的研究进展。
通过分析遗传算法的特征及其演进过程，运用遗传算法或其它模拟形式来优化智能机器人的路径规划，则可以在一定程度上增强智能机器人的性能。但是，无论何种方法，都或多或少的存在一定的问题，不能达到智能机器人最优路径选择的要求[3]。相对而言，尽管存在一定的不足，但基于遗传算法的智能机器人路径规划相对还是较为可行。目前，在各项技术支撑下的智能机器人已经具备一定的实践能力。
在遗传算法的推进下，智能机器人项目的研究有了新的进展，且在机器人的路径规划方面有了极大的突破，但就目前的研究成果来看，智能机器人的行进路线并不完美，成功完成某一既定的行进任务的概率并不高，因此，相关的技术科研人员还需针对路径规划问题做深入的探讨与研究。未来的主要研究方向有以下几项内容：其一，全局路径规划与局部路径规划的有效整合；其二，多传感器信息融合技术的引入；其三，智能算法以及相关改进研究等[4]。相信在多元化的智能算法影响下，智能机器人的行进路径规划则会更加准确，并且，能够完成更为高级的指令任务，为人类社会各领域的生产建设提供优质的服务。
结束语：
通过研究智能机器人路径规划可以了解到，不同策略方式的选择应用都可以充实到智能机器人研究成果之中，尤其是遗传算法的实践应用，令智能机器人路径规划更加合理。从以往的研究资料中可以了解到，智能机器人路径规划是机器人研究领域中的一项重要分支，同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中，遇到了诸如易陷入局部最优等问题，进而提出应用改进遗传算法来改善这一状况，并且取得了良好的实效。总之，基于遗传算法的机器人路径规划能够在一定程度上推动该研究项目的发展，从而积累更多的研究经验。■
参考文献
[1]崔瑾娟.基于遗传算法的机器人路径规划[J].洛阳师范学院学报，2013，02（02）：35-36.
[2]谭艳.基于遗传算法的机器人路径规划问题[J].现代计算机，2013，08（15）：23-24.
[3]石铁峰.改进遗传算法在移动机器人路径规划中的应用[J].计算机仿真，2011，04（04）：194-195.
[4]郝博，秦丽娟，姜明洋.基于改进遗传算法的移动机器人路径规划方法研究[J].计算机工程与科学，2010，07（07）：106-107.