基于遗传算法的巡检机器人路径规划算法的研究

徐国生¹，徐祖永²，周俊杰¹，张皖军²，邵珠鹏²

(1. 国家电投江西电力有限公司，江西 南昌 330096）

(2. 国家电投集团信息技术有限公司，北京 100080)

作者简介：徐国生（1967—），男，高级工程师，硕士，主要研究方向为热能动力、电力系统及其自动化等，xug13@126.com.

摘要：为了获得复杂环境下智能巡检机器人最优巡检路径，提升巡检效率，提出了基于改进遗传算法的巡检机器人路径规划算法。在种群初始化阶段使用混沌算法降低算法陷入局部最优的概率，使用自适应策略优化交叉算子与变异算子，进一步提升算法的收敛速度、执行性能和求解质量；针对遗传算法局部寻优能力差的问题，采用模拟退火算法强化其整体寻优能力。对比实验结果显示，提出的算法较经典遗传算法、蚁群算法等具有更好的表现力，规划的路径也更为合理。

关键词：遗传算法；混沌算法；自适应策略；巡检机器人；路径规划

中图分类号：TP393       文献标识码：A      文章编号：2095-509X(2021)06-0093-06

为了解决人工巡检工作效率低、存在安全隐患等问题，无人值守的机器人开始走入大众视野。对于电力行业而言，智能电网的迅速发展促使机器人巡检逐步取代人工巡检，以减少危险工况环境对人员的安全威胁以及提高工作效率等。巡检机器人工作在复杂环境中执行巡检任务，其路径规划成为了国内外研究的热点^［1］。Qureshi^［2］将粒子群优化算法应用于最佳路径寻优问题中，并通过两组实验获得了超出预期的结果；Osvald等^［3］在传统的启发式算法求解最佳路径的基础上，引入花授粉算法来提升全局寻优的性能，经实验论证，该算法在有限的算子范围内，能够获得较高质量的最优解，但是随着算子数量的增加，性能出现了明显的下降；周风余等^［4］采用Lagrange建模进行机器人避障算法的研究，运用动力学模型获得最佳的避障路径；王建元等^［5］提出了使用图结构的路径建模法，并结合GIS（geographic information system）建立三维地图，使其具有较好的寻址能力，但选择最佳路径的能力稍差。本文在前人研究的基础上，提出了基于改进遗传算法的巡检机器人路径规划算法，在种群初始化阶段使用混沌算法降低算法陷入局部最优的概率，使用自适应策略优化交叉算子与变异算子，进一步提升算法的收敛速度、执行性能和求解质量，另外，针对遗传算法局部寻优能力差的问题，采用模拟退火算法强化其整体寻优能力。研究结果表明，与经典的路径选择算法相比，结合了模拟退火及混沌算法的遗传算法效率更高，搜索的路径质量更好，算法具有良好的表现力。

1 遗传算法

遗传算法的核心思想是在有限资源内通过遗传方式保持后代先进性的同时寻求最优。其以群体中的全部个体为对象，采用随机化技术在已编码的种群的参数空间内完成高效搜索。首先进行染色体种群初始化，然后选择适应度函数、应用交叉以及变异完成最优个体的选择、遗传，获得最优解。算法流程如图1所示。

算法的主要步骤如下：

1）参数初始化。初始化种群的规模、数量、交叉以及变异的概率值，同时对遗传代数和结束条件以及整体种群进行初始化，明确种群编码方式。

2）设置种群内个体的适应度，选择恰当的适应度函数。

3）计算种群内每个个体的染色体适应度值，使用选择策略优胜劣汰，获得能进入到下一代的优秀个体。

4）对于被选中的个体，使用交叉概率完成优秀个体的横向交叉。

5）对于被选中的优良个体，使用变异概率完成优秀个体的变异更新。

6）判断是否满足遗传结束条件或者达到遗传代数，满足则终止运算，否则返回步骤4）重复迭代。

遗传算法的核心是参数的编码、群体初始化以及个体适应度函数和遗传控制参数的选择。