【摘 要】路径规划算法被广泛地应用于各种运动规划任务，如机器人运动、自动驾驶等。迄今为止，许多优秀的路径规划算法被提出并被应用于不同领域。对于一个特定的任务环境，选择合适的路径规划算法能更高效地规划出满足约束条件的较优路径。基于群体智能成果，以遗传编程算法为框架，研究快速扩展随机树（RRT）路径规划算法及其变种RRT-Star路径规划算法、RRT-Star-Smart路径规划算法在不同任务环境下的适应度及路径规划效率，设计出一个路径规划程序自动生成系统。该系统能自主分析当前环境地图特征，并结合 RRT 路径规划算法及其变种算法的特性，生成新的、更适配当前环境的路径规划算法。生成的路径规划算法能高效地规划出一条从起始点到目标点的可行路径。
【关键词】 群体智能 ; 路径规划算法 ; 遗传编程 ; 快速扩展随机树 ; RRT-Star ; RRT-Star-Smart
0 引言
作为运动规划问题的研究核心之一，路径规划算法的研究与应用遍及多个领域。高新技术领域（如机器人自主导航、自动驾驶技术、无人机避障）、决策管理领域（如资源分配问题）等都需要利用路径规划算法。理论上路径规划算法可解决所有可被拓扑成点线网络的规划问题。迄今为止，已有多种高效的路径规划算法被提出，如 Dijkstra 算法、模拟退火算法、神经网络算法、A-Star搜索算法、栅格法等，不同的路径规划算法的适用范围不尽相同。对于特定环境来说，分析环境、确定地图形式、判断是进行全局路径规划还是局部路径规划等，并依此选择最适用于当前环境的路径规划算法是十分必要的。合适的路径规划算法能大大提升规划效率和规划路径的质量。
基于采样的路径规划算法具有概率完整性，能够高效快速地处理高维度复杂的规划问题。Lavelle S M等人提出的快速扩展随机树（rapidl