基于灰色定性方法的主觀不確定性知識表達與路徑規(guī)劃算法研究.pdf

1、由于客觀環(huán)境的復雜性或智能系統(tǒng)認知能力的限制，智能系統(tǒng)從環(huán)境中獲取的知識往往具有不確定性。模擬人類智能對不確定性知識進行表達和處理并形式化地表示不確定性知識，使機器具有不確定性智能，是人工智能領域的研究熱點之一。在對環(huán)境的認知過程中，人類往往是從環(huán)境中逐步獲得知識并選擇性地記憶重要環(huán)境信息，這使得根源于知識不完備性的主觀不確定性知識成為人類記憶中不確定性知識的主要類型之一。目前，移動機器人逐漸步入人類的日常生活，需要能夠和人類進行交互，

2、需要以類似于人類智能的模式來表達環(huán)境知識并完成導航任務，移動機器人具備表達并應用主觀不確定性知識能力的需求日益迫切。因此主觀不確定性知識的表達以及基于主觀不確定性知識的推理、決策等理論和方法的研究對于移動機器人智能性的提高有著重要的意義。
　　 灰色系統(tǒng)理論致力于研究主觀不確定性知識的表達，而定性理論中建立的系統(tǒng)建模、問題分析等方法側重于人類智能特點的模擬，本文融合灰色系統(tǒng)理論和定性理論的特點，建立主觀不確定性知識的灰色定性表達

3、方法，目標是形成一套符合人類智能思維模式的知識表達體系，并在此基礎上建立定性定量集成的智能推理和決策方法。再以灰色定性知識表達方法為基礎，分析人類認知地圖特點，構造綜合人類認知地圖與機器人導航地圖優(yōu)勢的灰色定性地圖，建立基于灰色定性地圖的機器人路徑規(guī)劃算法。實驗表明，在環(huán)境知識的復雜度、路徑規(guī)劃效果方面本文方法均有一定優(yōu)勢。
　　 本文的主要工作和貢獻如下:
　　 (1)融合灰色系統(tǒng)理論和定性理論的特點，以灰色定性基本元

4、、灰色定性基本元的關鍵點集，灰色定性量空間、灰色定性關系、灰色定性特征值以及廣義白化函數(shù)為核心概念建立主觀不確定性知識灰色定性表達方法體系。灰色定性基本元、灰色定性量空間、灰色定性關系分別對應定性理論中本體基元、量空間、因果性三個基本要素;灰色定性基本元、灰色定性基本元的關鍵點集和廣義白化函數(shù)分別對應于灰色系統(tǒng)理論中的區(qū)間灰數(shù)、區(qū)間灰數(shù)的邊界點和白化函數(shù)。以灰色定性基本元作為融合灰色系統(tǒng)理論和定性理論的橋梁。
　　 (2)指出客

5、觀不確定性系統(tǒng)和主觀不確定性系統(tǒng)的區(qū)別，提出一種針對僅有少量已知主觀不確定性規(guī)則的系統(tǒng)的灰色定性建模方法，模擬人類智能在未知環(huán)境中不斷積累、融合以及應用主觀不確定性規(guī)則的能力。
　　 (3)綜合國內(nèi)外對認知地圖的現(xiàn)有研究成果以及灰色定性知識表達方法，提出既適合于人機交互又適合于機器人導航需求的灰色定性地圖:以環(huán)境的剖分及剖分之間的鄰接關系作為定性層，模擬人類智能的認知地圖，便于人機交互;以剖分的頂點坐標及勢場向量為定量信息，用于

6、決定機器人在導航過程中的運動速率及方向?；疑ㄐ缘貓D的特點還在于其模擬了人類智能記憶環(huán)境知識的特點，可以用環(huán)境中少量關鍵信息支持機器人完成路徑規(guī)劃任務，降低了環(huán)境模型的復雜度。
　　 (4)提出一種基于灰色定性地圖的無陷阱人工勢場算法，利用灰色定性地圖中剖分的頂點坐標及勢場向量計算整個環(huán)境中的勢場，解決了因僅用障礙物斥力和目標點吸引力計算的傳統(tǒng)人工勢場中存在陷阱而使目標點不可達的問題。再進一步對此算法進行了優(yōu)化，通過調(diào)整灰色定性