基于GA-PSO的矿井巡检机器人路径规划

在复杂矿井地形中,标准的粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)在巡检机器人路径规划方面分别存在局部寻优能力贫乏、全局寻优能力欠缺的问题,针对这一问题,提出了一种基于GA-PSO算法的矿井巡检机器人路径规划新算法。该算法先将障碍物在栅格地图上表示为规则图形,完成对环境模型的创建;再引入随机惯性权重模型优化标准粒子群算法,通过在粒子群算法中加入遗传算法的选择、交叉和变异操作算子,将得到遗传信息的精英粒子群分割出来产生下一代粒子,完成算法的融合,以此作为路径寻优算法使机器人完成起点到目标点的路径搜索。仿真结果表明,新算法相较于原算法成功率显著提高且路径长度明显缩短,即新算法的综合性能优于两种算法单独使用的效果,使得全局路径规划结果所得的路线更为平滑。