在上一篇文章中，我們簡單介紹了移動機器人自主導(dǎo)航的幾大類傳感器技術(shù)，但在實際場景中，機器人所處的環(huán)境都是動態(tài)的、可變的、未知的，此時移動機器人想要“穿梭自如”，還需強大的算法支持。
目前比較熱門的算法有：遺傳算法、啟發(fā)式搜索算法、神經(jīng)網(wǎng)絡(luò)算法等，下面分別加以介紹：
1. 遺傳算法
遺傳算法(genetic algorithm ，簡稱GA )是計算數(shù)學(xué)中用于解決最佳化的搜索算法，是進化算法的一種。
進化算法是借鑒了進化生物學(xué)中的遺傳、突變、自然選擇以及雜交等現(xiàn)象而發(fā)展起來的。遺傳算法采用從自然進化中抽象出來的幾個算子對參數(shù)編碼的字符串進行遺傳操作，包括復(fù)制或選擇算子(Reproduction or Select)、交叉算子(Crossover)、變異算子(Mutation)。
圖1 遺傳算法要找的是多維曲面中的全局最優(yōu)解(最高海拔的“山峰”)
主要特點：
直接對結(jié)構(gòu)對象進行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定;
具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力;
采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。
因此被廣泛地應(yīng)用于組合優(yōu)化、機器學(xué)習(xí)、信號處理、自適應(yīng)控制和人工生命等領(lǐng)域。
2. 啟發(fā)式搜索算法
啟發(fā)式搜索算法，是在狀態(tài)空間中的搜索對每一個搜索的位置進行評估，得到最好的位置，再從這個位置進行搜索直到目標，我們稱這個過程為最優(yōu)(best-first)或啟發(fā)式搜索。
優(yōu)點是可省略大量無謂的搜索路徑，提高效率。
圖2 啟發(fā)式搜索到最優(yōu)路徑
機器人的導(dǎo)航規(guī)劃一般分為構(gòu)建地圖、自定位、路徑規(guī)劃和軌跡規(guī)劃四個部分。
仙知機器人使用的3D SLAM激光導(dǎo)航路徑規(guī)劃方法與傳統(tǒng)的全局路徑規(guī)劃算法相比，考慮了機器人的幾何約束，即最小轉(zhuǎn)彎半徑，并用優(yōu)化的方法優(yōu)化了規(guī)劃出來的路徑，使最后的規(guī)劃路徑更加平滑合理。
3. 神經(jīng)網(wǎng)絡(luò)算法
神經(jīng)網(wǎng)絡(luò)(neural network，縮寫NN)，是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型。
圖3 神經(jīng)網(wǎng)絡(luò)的原理算法公式
基于動態(tài)神經(jīng)網(wǎng)絡(luò)的機器人避障算法，動態(tài)神經(jīng)網(wǎng)絡(luò)可根據(jù)機器人環(huán)境狀態(tài)的復(fù)雜程度自動地調(diào)整其結(jié)構(gòu)，實時地實現(xiàn)機器人的狀態(tài)與其避障動作之間的映射關(guān)系，能有效地減輕機器人的運算壓力。還有研究通過使用神經(jīng)網(wǎng)絡(luò)避障的同時與混合智能系統(tǒng)(HIS)相連接，使移動機器人的認知決策避障能力和人相近。
因此被廣泛地應(yīng)用于計算機視覺、語音識別、自然語言處理、無人駕駛等領(lǐng)域。
如對仙知無反光板3D SLAM激光導(dǎo)航技術(shù)感興趣，請垂詢商務(wù)熱線——400-061-6660 。
注：資料來源
圖1 生動、形象的遺傳算法詳解(GA) 數(shù)學(xué)家
圖3 神經(jīng)網(wǎng)絡(luò)分析算法 算法與數(shù)學(xué)之美
《移動機器人常用傳感器及相關(guān)技術(shù)盤點》傳感器定制
（轉(zhuǎn)載）
