杨 平， 谭代伦

(1.西华师范大学数学与信息学院，四川南充 637009;2.西华师范大学计算方法及应用软件研究所，四川南充 637009)

0 引言

随着智能技术的发展，移动机器人已被广泛应用到军事、工业、商业及家庭生活等各个领域[1].路径规划是移动机器人工作的基础，根据作业环境的不同，移动机器人的路径规划可分为两类.一类是基于机器人自身安装的环境信息传感器对未知环境信息实时获取的局部路径规划，也称为动态路径规划.另一类是基于全局地理信息的路径规划，也被称为静态路径规划[2].静态路径规划通常是指机器人的作业环境中分布着一些障碍物，在给定的起点和目标点之间为机器人规划一条安全、高效的免碰撞路径[3].通常满足避障条件的路径不止一条，在具体问题中需要根据不同的目标，例如路径长度最短、用时最少、能量消耗最小等，寻找出一条最优路径[4].

针对机器人路径规划，国内外学者提出了很多方法，常见有可视图法[5-7]、栅格法[8-9]、A*及其改进算法[10-11]、蚁群算法[12-14]、遗传算法[15-17]等.其中，模拟生物进化过程的遗传算法(Genetic Algorithm, GA)具有灵活性好、鲁棒性强和不易陷入局部最优等优点.已有文献研究表明，遗传算法在机器人避障路径规划问题中求解中取得了较好的效果.不少学者做了一些改进性的研究工作，并取得了一定的研究成果.如文献[18]提出的基于分组和精英策略的遗传算法，加快了算法的收敛速度.文献[19]对遗传算法的交叉、变异算……