·710 智能系统学报 第10卷 续表2 栅格规模 算法 最小值 最大值 均值 中间值 标准差 误差率/% BBO 59.4232 65.7921 63.2292 63.6003 1.2753 7.18 40×40 PSO 70.0582 92.2953 77.5198 77.2684 4.7363 31.40 (575) AFSA 62.9414 73.5154 68.6060 68.7704 2.4336 16.29 ABC 64.9736 81.5214 74.4139 74.0518 3.7850 26.14 BBO 81.7994 92.4076 88.6129 88.7333 3.2713 19.84 50×50 PSO 90.7017 126.7720 109.3243 108.2610 11.2698 47.85 (903) AFSA 87.0084 100.6210 95.7521 96.8591 3.9315 29.50 ABC 92.5656 116.3110 105.5514 106.2935 7.3535 42.75 BBO 103.7410 120.9830 114.7915 116.3125 5.9180 29.24 60×60 PSO 121.0120 156.3720 136.0672 136.0080 10.6057 53.19 (1305) AFSA 117.0590 136.8080 128.6301 131.9730 6.4555 44.82 ABC 125.8070 154.7890 142.2899 143.0705 10.7569 60.20 BBO 147.2240 174.2860 158.4930 157.7410 8.4019 52.86 70×70 PSO 141.5770 219.5680 181.4305 177.8595 25.6275 74.98 (1781) AFSA 132.9760 170.4080 149.9002 148.4045 12.9951 54.21 ABC 164.9980 234.3240 194.0634 191.7700 24.8290 87.16 由表2中可见，BB0算法除第1种环境与其他 Columbus,USA,1994:160-165 算法结果相同以外，其余5种环境下规划效果均好 [3]LIU Yu,ZHU Shiqiang,JIN Bo,et al.Sensory navigation 于其他4种算法。表明本文针对机器人路径规划问 of autonomous cleaning robots[C]//The 5th World Confer- 题，所提出的生物地理优化算法改进策略对于机器 ence on Intelligent Control Automation.Hangzhou,China, 人路径规划问题是有效的。 2004:4793-4796. [4]RAM A,SANTAMARIA J C.Continuous case-based rea- 5结束语 soning[]]Artificial Intelligence,1997,90(1/2):25-77. [5]ARLEO A,SMERALDI F,GERSTNER W.Cognitive navi- 本文基于BBO的机器人路径规划问题，提出了 gation based on nonuniform Gabor space sampling,unsuper- 复杂环境下基于有效顶点降维策略的移动机器人路 vised growing Networks,and reinforcement learning[]. 径规划算法，并提出惯性迁移操作算子。改进的 IEEE Transactions on Neural Network,2004,15(3):639- BBO与人工蜂群算法、人工鱼群算法、粒子群算法 652. 进行对比，仿真结果表明所提出的生物地理机器人 [6]FUJIMURA K,SAMET H.A hierarchical strategy for path 路径优化算法对于机器人路径规划是有效的。在此 planning among moving obstacles[mobile robot][J].IEEE 基础上，继续研究该算法在多目标路径规划、城市交 Transactions on Robotic Automation,1989,5(1):61-69. 通实际环境下的汽车路径规划等问题。 [7]KO N Y,LEE B H.Avoidability measure in moving obsta- cle avoidance problem and its use for robot motion planning 参考文献： [C]//IEEE International Conference on Intelligent Robots [1]朱大奇，颜明重.移动机器人路径规划技术综述[J].控 and System.Osaka,1996:1296-1303. 制与决策.2010,25(7)：961-967. [8]GE S S,CUI Y J.New potential functions for mobile robot ZHU Daqi,YAN Mingzhong.Survey on technology of mo- path planning[J].IEEE Transactions on Robotics and Auto- bile robot path planning[J].Control and Decision,2010, mation,.2000,16(5):615-620. 25(7):961-967. [9]陈清阳，张小波，孙振平，等.非结构化环境下自主车 [2]VASUDEVAN C,GANESAN K.Case-based path planning 辆轨迹规划方法[J].中南大学学报：然科学版.2011， for autonomous underwater vehicles[C]//Proceedings of the 42(11)：3377-3383. 1994 IEEE International Symposium on Intelligent Control. CHEN Qingyang,ZHANG Xiaobo,SUN Zhenping,et al.续表 ２ 栅格规模 算法 最小值 最大值 均值 中间值 标准差 误差率／ ％ ４０×４０ （５７５） ＢＢＯ ５９．４２３ ２ ６５．７９２ １ ６３．２２９ ２ ６３．６００ ３ １．２７５ ３ ７．１８ ＰＳＯ ７０．０５８ ２ ９２．２９５ ３ ７７．５１９ ８ ７７．２６８ ４ ４．７３６ ３ ３１．４０ ＡＦＳＡ ６２．９４１ ４ ７３．５１５ ４ ６８．６０６ ０ ６８．７７０ ４ ２．４３３ ６ １６．２９ ＡＢＣ ６４．９７３ ６ ８１．５２１ ４ ７４．４１３ ９ ７４．０５１ ８ ３．７８５ ０ ２６．１４ ５０×５０ （９０３） ＢＢＯ ８１．７９９ ４ ９２．４０７ ６ ８８．６１２ ９ ８８．７３３ ３ ３．２７１ ３ １９．８４ ＰＳＯ ９０．７０１ ７ １２６．７７２ ０ １０９．３２４ ３ １０８．２６１ ０ １１．２６９ ８ ４７．８５ ＡＦＳＡ ８７．００８ ４ １００．６２１ ０ ９５．７５２ １ ９６．８５９ １ ３．９３１ ５ ２９．５０ ＡＢＣ ９２．５６５ ６ １１６．３１１ ０ １０５．５５１ ４ １０６．２９３ ５ ７．３５３ ５ ４２．７５ ６０×６０ （１３０５） ＢＢＯ １０３．７４１ ０ １２０．９８３ ０ １１４．７９１ ５ １１６．３１２ ５ ５．９１８ ０ ２９．２４ ＰＳＯ １２１．０１２ ０ １５６．３７２ ０ １３６．０６７ ２ １３６．００８ ０ １０．６０５ ７ ５３．１９ ＡＦＳＡ １１７．０５９ ０ １３６．８０８ ０ １２８．６３０ １ １３１．９７３ ０ ６．４５５ ５ ４４．８２ ＡＢＣ １２５．８０７ ０ １５４．７８９ ０ １４２．２８９ ９ １４３．０７０ ５ １０．７５６ ９ ６０．２０ ７０×７０ （１７８１） ＢＢＯ １４７．２２４ ０ １７４．２８６ ０ １５８．４９３ ０ １５７．７４１ ０ ８．４０１ ９ ５２．８６ ＰＳＯ １４１．５７７ ０ ２１９．５６８ ０ １８１．４３０ ５ １７７．８５９ ５ ２５．６２７ ５ ７４．９８ ＡＦＳＡ １３２．９７６ ０ １７０．４０８ ０ １４９．９００ ２ １４８．４０４ ５ １２．９９５ １ ５４．２１ ＡＢＣ １６４．９９８ ０ ２３４．３２４ ０ １９４．０６３ ４ １９１．７７０ ０ ２４．８２９ ０ ８７．１６ 由表 ２ 中可见，ＢＢＯ 算法除第 １ 种环境与其他 算法结果相同以外，其余 ５ 种环境下规划效果均好 于其他 ４ 种算法。 表明本文针对机器人路径规划问 题，所提出的生物地理优化算法改进策略对于机器 人路径规划问题是有效的。 ５ 结束语 本文基于 ＢＢＯ 的机器人路径规划问题，提出了 复杂环境下基于有效顶点降维策略的移动机器人路 径规划算法，并提出惯性迁移操作算子。 改进的 ＢＢＯ 与人工蜂群算法、人工鱼群算法、粒子群算法 进行对比，仿真结果表明所提出的生物地理机器人 路径优化算法对于机器人路径规划是有效的。 在此 基础上，继续研究该算法在多目标路径规划、城市交 通实际环境下的汽车路径规划等问题。 参考文献： ［１］朱大奇， 颜明重． 移动机器人路径规划技术综述［ Ｊ］． 控 制与决策， ２０１０， ２５（７）： ９６１⁃９６７． ＺＨＵ Ｄａｑｉ， ＹＡＮ Ｍｉｎｇｚｈｏｎｇ． Ｓｕｒｖｅｙ ｏｎ ｔｅｃｈｎｏｌｏｇｙ ｏｆ ｍｏ⁃ ｂｉｌｅ ｒｏｂｏｔ ｐａｔｈ ｐｌａｎｎｉｎｇ［ Ｊ］． Ｃｏｎｔｒｏｌ ａｎｄ Ｄｅｃｉｓｉｏｎ， ２０１０， ２５（７）： ９６１⁃９６７． ［２］ＶＡＳＵＤＥＶＡＮ Ｃ， ＧＡＮＥＳＡＮ Ｋ． Ｃａｓｅ⁃ｂａｓｅｄ ｐａｔｈ ｐｌａｎｎｉｎｇ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｕｎｄｅｒｗａｔｅｒ ｖｅｈｉｃｌｅｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９９４ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ． Ｃｏｌｕｍｂｕｓ， ＵＳＡ， １９９４： １６０⁃１６５． ［３］ＬＩＵ Ｙｕ， ＺＨＵ Ｓｈｉｑｉａｎｇ， ＪＩＮ Ｂｏ， ｅｔ ａｌ． Ｓｅｎｓｏｒｙ ｎａｖｉｇａｔｉｏｎ ｏｆ ａｕｔｏｎｏｍｏｕｓ ｃｌｅａｎｉｎｇ ｒｏｂｏｔｓ［Ｃ］ ／ ／ Ｔｈｅ ５ｔｈ Ｗｏｒｌｄ Ｃｏｎｆｅｒ⁃ ｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ Ａｕｔｏｍａｔｉｏｎ． Ｈａｎｇｚｈｏｕ， Ｃｈｉｎａ， ２００４： ４７９３⁃４７９６． ［４］ ＲＡＭ Ａ， ＳＡＮＴＡＭＡＲÍＡ Ｊ Ｃ． Ｃｏｎｔｉｎｕｏｕｓ ｃａｓｅ⁃ｂａｓｅｄ ｒｅａ⁃ ｓｏｎｉｎｇ［Ｊ］． Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ， １９９７， ９０（１ ／ ２）： ２５⁃７７． ［５］ＡＲＬＥＯ Ａ， ＳＭＥＲＡＬＤＩ Ｆ， ＧＥＲＳＴＮＥＲ Ｗ． Ｃｏｇｎｉｔｉｖｅ ｎａｖｉ⁃ ｇａｔｉｏｎ ｂａｓｅｄ ｏｎ ｎｏｎｕｎｉｆｏｒｍ Ｇａｂｏｒ ｓｐａｃｅ ｓａｍｐｌｉｎｇ， ｕｎｓｕｐｅｒ⁃ ｖｉｓｅｄ ｇｒｏｗｉｎｇ Ｎｅｔｗｏｒｋｓ， ａｎｄ ｒｅｉｎｆｏｒｃｅｍｅｎｔ ｌｅａｒｎｉｎｇ ［ Ｊ ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ， ２００４， １５（３）： ６３９⁃ ６５２． ［６］ＦＵＪＩＭＵＲＡ Ｋ， ＳＡＭＥＴ Ｈ． Ａ ｈｉｅｒａｒｃｈｉｃａｌ ｓｔｒａｔｅｇｙ ｆｏｒ ｐａｔｈ ｐｌａｎｎｉｎｇ ａｍｏｎｇ ｍｏｖｉｎｇ ｏｂｓｔａｃｌｅｓ［ｍｏｂｉｌｅ ｒｏｂｏｔ］ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃ Ａｕｔｏｍａｔｉｏｎ， １９８９， ５（１）： ６１⁃６９． ［７］ＫＯ Ｎ Ｙ， ＬＥＥ Ｂ Ｈ． Ａｖｏｉｄａｂｉｌｉｔｙ ｍｅａｓｕｒｅ ｉｎ ｍｏｖｉｎｇ ｏｂｓｔａ⁃ ｃｌｅ ａｖｏｉｄａｎｃｅ ｐｒｏｂｌｅｍ ａｎｄ ｉｔｓ ｕｓｅ ｆｏｒ ｒｏｂｏｔ ｍｏｔｉｏｎ ｐｌａｎｎｉｎｇ ［Ｃ］ ／ ／ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍ． Ｏｓａｋａ， １９９６： １２９６⁃１３０３． ［８］ＧＥ Ｓ Ｓ， ＣＵＩ Ｙ Ｊ． Ｎｅｗ ｐｏｔｅｎｔｉａｌ ｆｕｎｃｔｉｏｎｓ ｆｏｒ ｍｏｂｉｌｅ ｒｏｂｏｔ ｐａｔｈ ｐｌａｎｎｉｎｇ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏ⁃ ｍａｔｉｏｎ， ２０００， １６（５）： ６１５⁃６２０． ［９］陈清阳， 张小波， 孙振平， 等． 非结构化环境下自主车 辆轨迹规划方法［ Ｊ］． 中南大学学报： 然科学版． ２０１１， ４２（１１）： ３３７７⁃３３８３． ＣＨＥＮ Ｑｉｎｇｙａｎｇ， ＺＨＡＮＧ Ｘｉａｏｂｏ， ＳＵＮ Ｚｈｅｎｐｉｎｇ， ｅｔ ａｌ． ·７１０· 智 能 系 统 学 报 第 １０ 卷