【正文】 算法思想 利用柵格搜索方法規(guī)劃機器人路徑時，為了使路徑盡可能的最優(yōu)化，我們對算法做了改進(jìn)，增加了正反饋機制，使路徑不斷地逼近于最優(yōu)化。所謂的正反饋，就是在程序執(zhí)行時，增加一個反饋量。對于每一個可行路徑，其經(jīng)過的14節(jié)點之間增加一個量 ε，借助于 ε 關(guān)聯(lián)程度的反饋，來搜索到一條近似最優(yōu)路徑。對于第 i1 條路徑中柵格 u 和 v 的關(guān)聯(lián)程度的更新方程為： ????),(),(1vumapapii 隨著某一節(jié)點 u 與節(jié)點 v 之間關(guān)聯(lián)程度的增加，則由該節(jié)點 u 選擇下一結(jié)點時，節(jié)點 v 被選擇通過的概率也會增加，與此同時若從某一個節(jié)點 u 選擇 v通過的數(shù)目呈現(xiàn)增加趨勢，那么節(jié)點 v 和節(jié)點 u 之間關(guān)聯(lián)程度也會增加，則關(guān)聯(lián)程度和通過的路徑數(shù)目之間形成正反饋機制，使得所選擇的路徑不斷地趨向于最優(yōu)路徑。2．算法流程基于柵格模型的路徑規(guī)劃算法執(zhí)行過程如圖 32 所示15是 開 始定義初始障礙物地圖矩陣 、),(vumapi、Next_Oritation 、??i???iw計數(shù)器 i=j=0，設(shè)置循環(huán)次數(shù) m，n計算它的下一個可行結(jié)點集合 V 中某個結(jié)點 v的概率 uvp當(dāng)前節(jié)點是否為目標(biāo)點 i=j+1im修改關(guān)聯(lián)程度 ),(vumapi j=j+1jn 結(jié)束否是否否是圖 32 路徑搜索流程圖16四、仿真實驗及結(jié)論（一）算法性能分析 在柵格的搜索上，采用概率計算的方法，保證公平公正，由當(dāng)前節(jié)點選擇下一結(jié)點時，都是按照比例概率，因此保證了在可行方向上的每一個柵格都有可能被選到。在路徑選擇上，我們采用分組的方法，將搜索過程分為 m 組，對每一組都可能會得到 n 條路徑，找到 n 中路徑中最短的路徑，然后利用它修改相鄰柵格之間的關(guān)聯(lián)性，不需要每次尋找到一條可行路徑時，就修改障礙物地圖，這樣會照成某些節(jié)點關(guān)聯(lián)程度增長過快，被選擇的概率過大，使得路徑相對集中，路徑尋優(yōu)出現(xiàn)死區(qū)，對多樣性的選取路徑不利，無法找到最優(yōu)路徑。只有保證可行方向上的每個節(jié)點都有可能被選到，保證路徑選擇的多樣性，才能保證搜索到的路徑是最優(yōu)路徑。（二） 實驗仿真驗證 本文進(jìn)行的仿真實驗是借助于仿真軟件 MobileSim 和 Mobileeyes 進(jìn)行的。程序編寫是基于 C++語言，利用 Microsoft Visual Studio 2022 建立項目，并生成可執(zhí)行文件。 機器人工作環(huán)境的繪制借助 Mapper3 軟件，繪制完地圖后就可以用仿真軟件進(jìn)行仿真。然后啟動 MobileSim 仿真軟件，并加載繪制的環(huán)境地圖，此時便可以運行 Visual Studio 2022 生成的可執(zhí)行文件，然后打開 MobileEyes，自動建立連接，進(jìn)入仿真界面，選擇 Tour Goals。仿真結(jié)果 如圖 33 所示。17圖 33 路徑規(guī)劃 從上圖的仿真結(jié)果可以看出，Amigo 機器人規(guī)劃出了一條由起始點到目標(biāo)點的可行路徑，并沿著這條路徑順利到達(dá)目標(biāo)點，不過在前進(jìn)過程中，為了實現(xiàn)路徑最優(yōu)，機器人會對原來的路徑進(jìn)行修改，直到到達(dá)目標(biāo)點為止。通過仿真分析，驗證了該算法的可行性。（三） 結(jié)論 通過仿真驗證，該算法實現(xiàn)了以下功能：第一，在沒有障礙物的地圖工作環(huán)境中，Amigo 機器人能夠迅速的完成路徑規(guī)劃任務(wù)。第二，當(dāng)在地圖工作環(huán)境中添加各種障礙物時，Amigo 能迅速的規(guī)劃出一條路徑，但在行進(jìn)中，為了使路徑最優(yōu)，Amigo 機器人會實時對路徑做出調(diào)整。此外，當(dāng)目標(biāo)點發(fā)生變化時，Amigo 能夠迅速的由當(dāng)前點規(guī)劃出到達(dá)目標(biāo)點的路徑。 未能實現(xiàn)的功能：不能夠在障礙物位置變化的情況下由初始點成功到達(dá)目標(biāo)點，即該算法未能實現(xiàn)動態(tài)路徑規(guī)劃。18五、總結(jié)于展望（一）總結(jié) 本文主要研究了在環(huán)境已知條件下，利用柵格搜索的方法對機器人的路徑進(jìn)行規(guī)劃的問題。鑒于實驗室提供的機器人為 Amigo，我們主要分析了關(guān)于Amigo 機器人的路徑規(guī)劃問題。Amigo 機器人使用特定的開發(fā)軟件 Aria，Aria提供了 Amigo 機器人編程的一整套應(yīng)用程序接口，因此我們主要是借助于 Aria的 API 進(jìn)行編程。在算法上，其思想是一樣的，在把算法轉(zhuǎn)化成程序時，同樣需要借助于軟件自帶的一些庫文件，最后再利用軟件進(jìn)行仿真驗證算法的可行性，通過仿真分析，我們可以斷定，柵格搜索方法對 Amigo 機器人的路徑規(guī)劃完全可行。（二）展望 本次畢業(yè)設(shè)計的要求是：在 Amigo 機器人工作環(huán)境已知的條件下，規(guī)定環(huán)境中某一目標(biāo)點，要求該機器人能夠規(guī)劃出一條路徑，是該機器人能夠在環(huán)境中的任意一點成功到達(dá)目標(biāo)點，且該路徑具有最優(yōu)性。用到的柵格法并非路徑規(guī)劃的最佳選擇，還有各種先進(jìn)、更為智能的算法，也可運用到路徑規(guī)劃算法的設(shè)計上。即使是同樣運用柵格法，不同的考慮方向、不同的編程思想，也會有不同的效果。還需完善的地方：（1）柵格法只是大體上選擇出了最優(yōu)路徑，但并不能在一個柵格到下一個臨近的柵格之間選擇最短路徑。柵格法將一個柵格作為路程的最小單位，很明顯，兩個相鄰的柵格之間也存在最短路徑。2）不能夠?qū)崿F(xiàn)動態(tài)避障，即障礙物為靜止的。因為所用柵格法，第一步就要求對所給地圖劃分柵格，相應(yīng)的障礙物的位子和形狀早已為給定。 （3）機器人由可行路徑到達(dá)目標(biāo)點的時間過長。 （4）Amigo 機器人無法避開體積較小的障礙物。在算法上的問題，可以用更為高級的算法來取代柵格法，以彌補柵格法的不足。因為硬件原因出現(xiàn)的問題，如不能感應(yīng)出體積偏小的障礙物，可以用更為高級精確的傳感器。比方說用激光傳感器，它的定位效果比聲吶傳感器好，測量速度也比聲吶傳感器快。這樣不僅能感應(yīng)更小的障礙物，也能讓移動機器人選擇路徑的時間縮短，減少整個路徑規(guī)劃的時間。19參考文獻(xiàn)[1] 于金霞，: 電子工業(yè)出版社, 2022.[2] 蔡自興. :清華大學(xué)出版社,2022.[3] 李團(tuán)結(jié). ,2022.[4] 蔡自興, 21 世紀(jì)的智能機器人技術(shù)[J].機器人技術(shù)與應(yīng)用，1998(6).[5] Pioneer 3 Operation Manual.[6] migoBot Technical Manual.[7] 張穎,吳成東 ,[J].控制工程,2022,5(10).[8] 于紅斌，．微電子學(xué)與計算機．2022（6） ．[9] 魯慶．基于柵格法的移動機器人路徑規(guī)劃研究．電腦與信息技術(shù)．2022（6） ．[10] 張捍東，董保華，岑豫皖，鄭睿. 柵格編碼新方法在機器人路徑規(guī)劃中的，2022.[11] 郝博，秦麗娟，[J]. 計算機工程與科學(xué)，2022[12] 李人厚譯，自主移動機器人導(dǎo)論，西安交通大學(xué)出版社，2022.[13] 杜軍平譯，人工智能機器人導(dǎo)論，電子工業(yè)出版社，2022.[14] 戴博，移動機器人路徑規(guī)劃技術(shù)的研究現(xiàn)狀與展望，控制工程，2022[15] 鄭利君，基于超聲傳感器的機器人路徑規(guī)劃和避障算法的研究，浙江理工大學(xué)學(xué)位論文，2022[16] 黃興華, 基于改進(jìn)人工勢場法的移動機器人路徑規(guī)劃研，重慶大學(xué)，2022[17] 孫秀云，移動機器人的路徑規(guī)劃及其運動控制器研究，山東大學(xué)，2022[18] 張曉麗, 基于微分進(jìn)化算法的機器人路徑規(guī)劃方法,大連理工大學(xué)，2022[19] 張洪亮，多機器人編隊技術(shù)的研究與應(yīng)用，北京工業(yè)大學(xué)，2022[20] 劉玲，基于智能計算的移動機器人路徑規(guī)劃方法研究，湖南大學(xué)，2022