第6期 张超等：基于混沌粒子群-专用遗传算法切换策略的移动机器人路径规划 829· 表4三种切换指标下的仿真结果 Table 4 Simulation results under three switching conditions 切换指标 切换条件 路径长度，L 角度变化和，S/rad 规划时间，T/s 迭代代数 700 59.284 2.300 0.640 种群标准差 误差限0.01：连续40代 59.044 2.567 0.527 最优个体适应度差 误差限0.005：连续30代 58.735 1.295 0.782 综合考虑表4中的各项指标后，本文将连续30 见，本文所提切换策略在综合性能上较单一算法具 代最优个体适应度差小于0.005作为本仿真环境下 有一定的优越性.SGA、CPS0和CPSO-SGA在10 的最佳切换条件.切换策略在三种切换指标各自最 次运行中的最优路径如图3所示 佳切换条件下10次运行中的最优路径如图2所示. 40 CPSO-SGA 最优个体适应度差 End 35 CPSO SGA 35 种群标准差 迭代代数 30 30 25 20 .20 15 10 10 Start 10 152025 30 35 Start 10 1520 25 30 35 图3SGA、CPSO和CPSO-SGA的最优路径 Fig.3 Optimum paths of SGA,CPSO and CPSO-SGA 图2三种切换指标在各自最优切换条件下的最优路径 Fig.2 Optimum paths under the best switching conditions 3结论 of three switching indices 2.2混沌粒子群-专用遗传算法切换策略同单一 (1)提出了一种用于机器人路径规划的混沌粒 算法对比 子群-专用遗传算法相切换的优化策略，并探讨了 将本文所提切换策略同文献[11]中的单一专用 三种不同的切换指标. 遗传算法及混沌粒子群算法进行仿真对比，其中本 (2)将所提切换优化策略与单一专用遗传算法 文切换策略的切换条件为连续30代最优个体适应 及单一混沌粒子群算法进行了简单静态障碍物环境 度差小于0.005，进行10次仿真程序得到的平均结 下的仿真对比研究，仿真结果表明本文所提切换优 果如表5所示. 化策略在路径长度、平滑性和规划时间三方面上的 综合表现要优于两种单一优化算法 表5SGA、CPSO和CPSO-SGA的仿真结果 Table 5 Simulation results of SGA,CPSO and CPSO-SGA 参考文献 算法 路径长度角度变化和/rad规划时间/s SGA 60.933 1.680 0.086 [1]He J,Tu Z Y,Niu Y G.A method of mobile robotic path CPSO 59.207 1.447 1.122 planning based on integrating of GA and ACO.Comput CPSO-SGA 58.735 1.295 0.782 Smul,2010.27(3):170 从表5中看到：两种单一算法和本文所提切换 (何娟，涂中英，牛玉刚。一种遗传蚁群算法的机器人路径 规划方法.计算机仿真，2010,27(3)：170) 优化策略在路径平滑性上相差不多：单一专用遗传 [2]Liu C A,Yan X H,Liu C Y,et al.Dynamic path planning 算法虽然在规划时间上有绝对优势，但其路径较其 for mobile robot based on improved ant colony optimiza- 他两种规划方法相对较长：单一混沌粒子群算法虽 tion algorithm.Acta Electron Sin,2011,5(5):1220 然在路径长度和平滑性上较本文所提切换优化策略 (柳长安，鄂小虎，刘春阳，等.基于改进蚊群算法的移动机 相差不大，但其时间消耗却是切换策略的1.5倍.可 器人动态路径规划方法.电子学报，2011,5(5)：1220)第 6 期 张 超等：基于混沌粒子群--专用遗传算法切换策略的移动机器人路径规划 829 ·· 表 4 三种切换指标下的仿真结果 Table 4 Simulation results under three switching conditions 切换指标 切换条件 路径长度, L 角度变化和, S/rad 规划时间, T/s 迭代代数 700 59.284 2.300 0.640 种群标准差 误差限 0.01；连续 40 代 59.044 2.567 0.527 最优个体适应度差 误差限 0.005；连续 30 代 58.735 1.295 0.782 综合考虑表 4 中的各项指标后，本文将连续 30 代最优个体适应度差小于 0.005 作为本仿真环境下 的最佳切换条件. 切换策略在三种切换指标各自最 佳切换条件下 10 次运行中的最优路径如图 2 所示. 图 2 三种切换指标在各自最优切换条件下的最优路径 Fig.2 Optimum paths under the best switching conditions of three switching indices 2.2 混沌粒子群--专用遗传算法切换策略同单一 算法对比 将本文所提切换策略同文献 [11] 中的单一专用 遗传算法及混沌粒子群算法进行仿真对比，其中本 文切换策略的切换条件为连续 30 代最优个体适应 度差小于 0.005，进行 10 次仿真程序得到的平均结 果如表 5 所示. 表 5 SGA、CPSO 和 CPSO-SGA 的仿真结果 Table 5 Simulation results of SGA, CPSO and CPSO-SGA 算法 路径长度 角度变化和/rad 规划时间/s SGA 60.933 1.680 0.086 CPSO 59.207 1.447 1.122 CPSO-SGA 58.735 1.295 0.782 从表 5 中看到：两种单一算法和本文所提切换 优化策略在路径平滑性上相差不多；单一专用遗传 算法虽然在规划时间上有绝对优势，但其路径较其 他两种规划方法相对较长；单一混沌粒子群算法虽 然在路径长度和平滑性上较本文所提切换优化策略 相差不大，但其时间消耗却是切换策略的 1.5 倍. 可 见，本文所提切换策略在综合性能上较单一算法具 有一定的优越性. SGA、CPSO 和 CPSO-SGA 在 10 次运行中的最优路径如图 3 所示. 图 3 SGA、CPSO 和 CPSO-SGA 的最优路径 Fig.3 Optimum paths of SGA, CPSO and CPSO-SGA 3 结论 (1) 提出了一种用于机器人路径规划的混沌粒 子群–专用遗传算法相切换的优化策略，并探讨了 三种不同的切换指标. (2) 将所提切换优化策略与单一专用遗传算法 及单一混沌粒子群算法进行了简单静态障碍物环境 下的仿真对比研究，仿真结果表明本文所提切换优 化策略在路径长度、平滑性和规划时间三方面上的 综合表现要优于两种单一优化算法. 参 考 文 献 [1] He J, Tu Z Y, Niu Y G. A method of mobile robotic path planning based on integrating of GA and ACO. Comput Simul, 2010, 27(3): 170 (何娟, 涂中英, 牛玉刚. 一种遗传蚁群算法的机器人路径 规划方法. 计算机仿真, 2010, 27(3): 170) [2] Liu C A, Yan X H, Liu C Y, et al. Dynamic path planning for mobile robot based on improved ant colony optimiza￾tion algorithm. Acta Electron Sin, 2011, 5(5): 1220 (柳长安, 鄢小虎, 刘春阳, 等. 基于改进蚁群算法的移动机 器人动态路径规划方法. 电子学报, 2011, 5(5): 1220)