基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法.在适应度函数中增加带有惩罚项的平滑度函数;引入精英保留机制,保留每一代最优个体;自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化.利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.