基于進化算法的智能機器人行為學習研究.pdf

1、機器人面臨的真實環(huán)境一般是動態(tài)的、未知的和不確定的。傳統(tǒng)的感知—規(guī)劃—動作的實現(xiàn)方法需要人為預見所有可能的情況，面對復雜多變的環(huán)境，有時實現(xiàn)這些是非常困難的。因此需要減少人工干預，讓機器人具有自學習能力來適應這種環(huán)境并完成所要求的任務。行為學習是智能機器人設計中的關鍵技術之一。 行為學習的實現(xiàn)方法一般有基于行為的方法、強化學習方法、進化算法等。本文主要從進化算法的角度來研究機器人的行為學習。從最簡單同時也是最有代表性的避碰行為入

2、手，分別用遺傳算法和遺傳規(guī)劃進行仿真。主要包括以下內(nèi)容： 本文首先介紹了進化機器人技術的思想，詳細介紹了這一領域的研究內(nèi)容并對這一技術中存在的問題進行闡述并提出相應的解決辦法。并對進化算法中的遺傳算法和遺傳規(guī)劃的最新發(fā)展進行詳細介紹。 其次，本文闡述了避碰行為的任務背景并對傳統(tǒng)的避碰行為實現(xiàn)方法作一簡單介紹；利用遺傳算法來實現(xiàn)避碰規(guī)則的學習，通過仿真得出該方法的有效性。 最后，采用遺傳規(guī)劃來實現(xiàn)避碰行為學習。這里

3、只用最簡單的傳感器信息和動作函數(shù)來實現(xiàn)避碰規(guī)則的演化。針對遺傳規(guī)劃的一些缺陷：進化過程中的“規(guī)模爆炸”問題、遺傳規(guī)劃的收斂速度問題、解的“泛化性”問題，本文給出了相應的改進方案：通過限制最大層數(shù)來防止進化過程中解的“規(guī)模爆炸”；增加葉子節(jié)點的突變操作可以使算法跳出局部極小并且提高了收斂速度；增加優(yōu)化起點和連續(xù)優(yōu)化多個地圖的方法可以提高解的適應性。仿真用C++語言實現(xiàn)，仿真結(jié)果表明，算法的改進取得了比較好的效果。最后把遺傳算法和遺傳規(guī)劃的