本文为美国克里夫兰州立大学（作者：DALJEET SINGH）的硕士论文，共101页。
众所周知，概率路线图方法（PRM）是解决运动规划问题的一种方案，在该类问题的工作空间中，我们有一组固定的起始和目标配置。我们定义了一个具有静态障碍的配置空间。我们使用PRM为类车机器人在起始和目标位置之间寻找可行的运动路径。我们进一步扩展路径规划的概念，结合进化优化算法调整PRM参数，仿真和实验证明了该理论的正确性。研究结果表明，基于生物地理学的优化算法对PRM参数进行优化后，PRM的性能指标有了显著的提高。使用优化的PRM参数后，性能指标（即路径长度、跳数、循环数和失败率）分别提高了34.91%、23.18%、52.21%和21.21%。我们还通过实验证明了移动类车机器人使用PRM算法解决路径规划问题的实用性。
Probabilistic roadmap methods (PRM) havebeen a well-known solution for solving motion planning problems where we have afixed set of start and goal configurations in a workspace. We define aconfiguration space with static obstacles. We implement PRM to find a feasiblepath between start and goal for car-like robots. We further extend the conceptof path planning by incorporating evolutionary optimization algorithms to tunethe PRM parameters. The theory is demonstrated with simulations and experiments.Our results show that there is a significant improvement in the performancemetrics of PRM after optimizing the PRM parameters using biogeography-basedoptimization, which is an evolutionary optimization algorithm. The performancemetrics (namely path length, number of hops, number of loops and fail-rate)show 34.91%, 23.18%, 52.21% and 21.21% improvement after using optimized PRMparameters. We also experimentally demonstrate the application of path planningusing PRM to mobile carlike robots.
1 引言
2 问题描述与建模
3 基于生物地理学的优化
4 路径规划算法的具体实现
5 硬件与嵌入式实现
6 实验结果
7 结论与未来研究工作展望
附录A T检验
附录B F检验
下载英文原文地址：
http://page5.dfpan.com/fs/elec1ja2e201d219169/
更多精彩文章请关注微信号：