任伟建，刘世聪，孙 超

(东北石油大学 电气信息工程学院，黑龙江 大庆 163318)

路径规划是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径，机器人的路径规划是一个非线性问题，遗传算法GA(Genetic Algorithm)可以求解此类问题。但对于复杂的大型系统，GA仍然有一些缺陷[1-3]。为了避免这些问题，不少人对遗传算法的编码方式和算法结构等进行了改进[4]。Hussein A.Abdullah等[5]采用直角坐标法编码，将浮点数表示的坐标点链接成染色体，染色体为不定长，这种方法具有良好的全局搜索性能，但路径个体中途点坐标的可取值范围过大，路径拐点多；周明等[6]提出一种连续空间下基于遗传算法的机器人路径规划方法，该方法先建立连通图，然后再使用遗传算法逐步得到较优的路线，但对于复杂环境、障碍物数目较多的情况，建立连通图会有一定的困难；罗熊[7]等设计了一种基于随机指导式搜索策略的初始种群的快速有效生成方法，用于具有大量不规则障碍物的环境下的机器人路径规划，取得很好的仿真效果；冯琦[8]等提出了一种在极坐标环境下应用遗传算法求解机器人路径规划问题的方法，该方法采用简捷有效的路径染色体编码方法和快速的个体适应度计算方法，并对生成的初始路径点集进行提炼处理，以剔除其中含有的不必要拐点。

本文结合混沌优化方法，在基本遗传算法的搜索机制上，利用混沌优化的遍历性和遗传算法优化的反演性，提出了一种混沌遗传算法CGA(Chaos Genetic Algorithm)。……