机器人路径规划技术是机器人导航中的一项关键技术,是机器人执行各种任务的前提和基础,在制造业、服务业、军事等方面都有广泛的应用,研究此项技术具有重要的理论意义和实际应用意义。机器人路径规划问题是指依照特定的评估标准(如时间最少、路径最短或者工作代价最小等)在具有各种障碍物的运动环境中寻求一条最优的从起始位置到目标位置的安全路径。这项技术可以建模为一个优化问题。多机器人路径规划问题的一种解决方法是采用路径规划器顺次为每个机器人规划路径,且后一机器人在考虑已规划的前一机器人的路径的基础上规划自己的路径,进而完成所有机器人的路径规划。本文旨在利用果蝇算法解决多机器人的路径规划问题,通过调研已存在的多机器人路径规划方法、果蝇优化算法(fruit fly optimization algorithm,FOA)的思想和原理、单机器人及多机器人的路径规划问题,提出融合均值学习和步长变化的果蝇算法和基于改进果蝇算法和三次样条(improved fruit fly optimization algorithm and cubic spline,IFOA-CS)的单机器人路径规划方法,并设计基于单机器人路径规划方法结合虚拟障碍物法(virtual obstacle,VO)的多机器人全局路径规划方法。主要工作如下:(1)首先对基本果蝇算法进行理论分析和仿真,在基本果蝇算法的基础上提出融合均值学习和步长变化的果蝇算法(AL-SC-FOA)来改善基本算法后期收敛速度慢、易陷入局部最优和稳定性差的缺点。该算法相较于FOA和其他改进策略做了两点改进,首先引入一个搜索范围递减因子,通过减小步长大小来调整果蝇的搜索范围,使得个体的局部优化能力增强,提高算法的精度;其次,每次迭代时果蝇群体同时向最优个体和群体解的平均值学习以避免算法陷入局部最优,增加算法的稳定性。通过在8个智能算法测试算例上的测试,验证所提出改进方法性能的优越性。(2)针对果蝇算法在解决机器人路径规划问题时存在的易陷入局部最优、不稳定、收敛速度慢等不足,提出新的改进果蝇算法和三次样条相融合(IFOA-CS)的路径规划方法,此方法对基本果蝇算法的改进采用1)中步长递减和向群体解均值学习的思想,不同的是在判断陷入局部最优后才向群体解均值学习,相当于在陷入局部最优时给予均值扰动信息,同时,针对路径规划问题,将群体初始化位置范围缩小。然后把路径规划问题转化为改进果蝇算法优化三次样条控制点的问题以减小问题维度。仿真结果表明所提出方法具有较快的收敛速度,较好的稳定性,较高的精度,一定程度上可避免陷入局部最优,所得路径平滑且更短。(3)保证每个机器人的安全性是多机器人路径规划中的一个重要问题,文中提出一种结合IFOA-CS和VO的集中式多机器人路径规划方法,首先通过IFOA-CS规划一个机器人的路径,继而以组成此机器人路径的三次样条插值点为虚拟障碍物中心设置适当大小的圆形障碍物以保证安全性,继续规划下一个机器人的路径至所有机器人的路径规划完成。仿真结果表明所提出的方法可有效解决多机器人路径规划问题。