基于免疫機制和多示例學習的移動機器人進化導航研究.pdf

1、移動機器人技術在空間探測、國防、工業(yè)、農(nóng)業(yè)、醫(yī)學及社會服務業(yè)等領域顯示了越來越廣泛的應用前景，已成為國內(nèi)外移動機器人學術界研究的熱點。本文針對大范圍環(huán)境、變化環(huán)境和未知環(huán)境，以免疫進化和多示例學習作為支撐技術，圍繞移動機器人在它的運動過程中始終需要解決的定位與規(guī)劃二個關鍵問題進行了比較深入的研究，其研究內(nèi)容涉及基于多圖像的定位、并發(fā)定位與建圖、路徑規(guī)劃、進化與免疫計算和多示例學習等。 本文完成的主要工作和取得的創(chuàng)新性成果如下。

2、 通過分析現(xiàn)有采樣方法和多模函數(shù)優(yōu)化過程中典型的早熟收斂現(xiàn)象，認為進化計算和免疫算法等智能優(yōu)化算法需要一種以父體兩旁為著重點搜索區(qū)域的采樣范式，并提出使用逆正態(tài)分布進行采樣。通過理論分析和實驗，證實了這是一種在跳出局部極值方面有明顯優(yōu)勢的采樣方式。 提出了一種多樣度和適應度聯(lián)合引導的選擇、交叉與變異概率適應性計算策略；通過實驗和分析，總結(jié)出了選擇壓力與進化算法性能之間的密切關系。通過數(shù)學分析，證明了二進制遺傳算法的變異概率

3、和多樣度之間的數(shù)學關系，為多樣度引導的遺傳算法提供了一種變異概率調(diào)整理論和計算方法。 在進化計算框架下，融合全局并行搜索的克隆選擇和啟發(fā)式局部搜索的免疫疫苗接種，設計了一類免疫克隆進化算法，并證明了該算法的全局收斂性。以該算法為核心，針對大范圍環(huán)境和變化環(huán)境下的路徑規(guī)劃及未知環(huán)境下并發(fā)定位與建圖等任務，分別提出了四種嵌入了領域知識的啟發(fā)式免疫操作和進化操作的免疫克隆進化算法，并研究了各種任務下隱藏領域知識的提取問題。由于這些算法

4、嵌入了從領域知識中提取出來的啟發(fā)式操作算子，而且核心算法具有全局搜索能力，因此，明顯地提高了這些算法處理相應問題的能力。 結(jié)合多示例學習問題的固有特性，提出了一種監(jiān)督-非監(jiān)督多示例神經(jīng)網(wǎng)絡，該網(wǎng)絡以負示例作為監(jiān)督學習的教師信息，以正包進行非監(jiān)督自組織聚類學習。該網(wǎng)絡訓練速度比較快、準確性較高和具有多概念學習能力。利用這些性質(zhì)，設計了基于多示例學習的圖像多候選目標識別方法和一種移動機器人導航方法，并通過移動機器人進行了導航實驗。

5、 針對未知大范圍環(huán)境下移動機器人定位問題采用了多圖像表達場景信息，并在此基礎上，提出了使用多示例學習的自動發(fā)現(xiàn)能力識別不同場景來進行移動機器人定位的方法。通過移動機器人實驗實現(xiàn)了多圖像中環(huán)境隱藏特征的自動提取，并在此基礎上實現(xiàn)了未知大范圍環(huán)境下移動機器人的定位。 總之，本文以融入免疫機制的進化算法和多示例學習為工具，研究了移動機器人定位與規(guī)劃問題，研究了進化算法和免疫克隆進化算法及多示例學習的有關理論和方法，提出了使用逆正