摘要: 移动机器人路径规划技术是移动机器人导航技术的重要组成部分，是其完成其它更复杂任务的前提。如何帮助移动机器人在已知或未知环境下快速且精确地规划出一条最优且无碰撞的路径很久以来都是移动机器人领域的研究热点。随着移动机器人或者以移动机器... 展开 移动机器人路径规划技术是移动机器人导航技术的重要组成部分，是其完成其它更复杂任务的前提。如何帮助移动机器人在已知或未知环境下快速且精确地规划出一条最优且无碰撞的路径很久以来都是移动机器人领域的研究热点。随着移动机器人或者以移动机器人为基础的机器人开始走向千家万户，其重要性也更加被凸显。本文主要针对针对静态二维环境下移动机器人全局路径规划问题，提出了一种基于改进人工鱼群算法(IAFSA)和MAKLINK图的路径规划方法。 首先，对标准人工鱼群(AFSA)算法的各参数进行了测试，发现了标准AFSA算法的全局与局部搜索能力与视野和步长存在直接联系。 其次，使用Lorentzian函数改造标准AFSA算法的视野为自适应视野、正态分布函数改造步长为自适应步长，同时引入指数递减惯性权重因子，平衡了AFSA算法迭代周期的全局和局部搜索能力。使用测试函数对本文提出的IAFSA算法进行了测试实验，与标准AFSA算法与标准粒子群(PSO)算法进行比较，结果显示本文IAFSA算法在计算速度和精度方面占优。 再次，提出了基于本文IAFSA算法和MAKLINK图的移动机器人路径规划策略，MS算法结合IAFSA算法分步寻优，取IAFSA算法优化后的最优路径为全局最优路径，解决了以往算法在MAKLINK图中只能求近似全局最优路径的问题。在matlab_2014a平台进行了仿真实验，并与MS-AFSA、MS-其它IAFSA、A*、RRT、PRM、人工势场、GA、D-ACO、Fuzzylogic路径规划算法进行了对比，结果证明，与其它算法相比，MS-本文IAFSA算法能在快速准确地规划出全局最优路径，在收敛速度、稳定性、计算精度方面优势明显。并对MS-本文IAFSA算法进行了算法的复杂度和实用性分析，结果显示，本文提出的策略理论上可以用于工程实践中。 最后，使用EAI底盘对基于本文IAFSA算法和MAKLINK图的移动机器人路径规划方案进行了实验验证，搭建了实验环境，在电脑端实现了环境的模拟再现和路径规划，并将路径规划数据传送到EAI移动机器人，机器人成功执行了路径规划的数据。证明了基于本文IAFSA算法和MAKLINK图的移动机器人路径规划方案的正确性。 收起