万方数据information山唧动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划A(jrA眦Cn的NICAUniversity，Ⅳn，溉，Jiangsu徐晓睛，朱庆保1引言Fish·-SwarmAlgorithmLibraryCollisionPlanningQing-bao移动机器人路径规划是智能机器人的重要研究内容．在静态环境下，国内外学者已经做了大量的工作并取得了很多成果，诸如传统的自由空间法uJ和人工势场法uJ等等．自由空间法的复杂度与障碍的多少成正比，因此不适于复杂障碍环境．人工势场法存在容易陷入局部最优解和终点不可达的问题．近些年来，不少学者提出了基于遗传算法心J和蚁群算法旧“1的智能路径规划方法．遗传算法容易产生很多含有障碍的无效路径，影响了算法的效率，且实时性较差．基本的蚁群算法存在搜索时间长，易于停滞等缺点已成共识．因此，研究速度更快、环境适应性更强的算法是不断追求的目标．在动态环境中，由于存在运动的障碍物，机器人易与这些动态障碍发生碰撞，因而比静态环境的规划要困难的多，从而引起了学者们的广泛关注并成为近年来的研究热点一“8|．许多在静态环境下的经典算法也被拓展、改进后应用到动态路径规划中．例如文献[8～11]提出了改进的人工势场算法；文献[123提出了动态窗口算法．这些算法在安全躲避障碍方面取得了不错的成果，摘要：为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题，提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法．该算法中，人工鱼以其与目标点的距离为食物浓度，两个邻近栅格的距离为步长，其觅食行作为默认行为，在一定条件下执行聚群或追尾动作，并采用两鱼群双向搜索机制在静态环境下规划出较优路径．在此基础上，机器人查询动态避障规则库获得避碰方法，从而实现与动态障碍的避碰．大量仿真实验结果表明，该方法具有较高的收敛速度和较强的搜索能力，能在非常复杂的动静态障碍环境中，迅速规划出一条安全避碰的优化路径．关键词：动态环境；机器人路径规划；多人工鱼群；避障规则库中图分类号：TP242文献标识码：文章编号：0372-2112(2012)08．1694-07电子学报URL：http：／／www．ei01皿a1．org．enMulti--ArtificialandRuleBasedDynamicAvoidanceforRobotPathinEnvironmentproposed．Weconcenlradonbehaviorcondidon．Thenhavepathenvironments；robot第8期2012年8月电子学报(南京师范大学计算机科学与技术学院，江苏南京210097；江苏省信息安全保密技术工程研究中心，江苏南京210097)DOI：10．3969／j．issn．0372．2112．2012．08．032xuXiao-qing，ZHU(SchoolofC8111№1"ofInformationTedmology，Nanjing，Jiangsu210097，Ch／na)algorithmdistanceeffectivecollisionavoidanceobtained，fromobstaclesensors．Manysimulationconvergencecapability．Evenan收稿Et期：2011--04-24；修回日期：2011．12．23基金项目：国家自然科学基金(No．60673102，No．61073118／FIY20508)；江苏省普通高校自然科学研究计划(No．0KJD520004)AaTtdmology，NanjbwJiangsuAbSttact：orderimprovethespeedenvironmentaladaptabilityplanningalgorithm，arobotbasedmulti-artificialfish-swarmispresentalsodynamicalgo·rithmrule-baseenvironmentavoidcollisionswithmovingobstacles．Inap—proach，thebetweenfishgoaldefinedfoodneighborgridsde—finedsteplength．Thepreyingfishesregardasdefaultperformclustersrear-endactivatedsomecertainoptimalstaticplannedbysearchmechanismbi-directionalfish-swarms．Afterthat，theobtainedexperimentsshownthathasfaststrongcomp