融合RRT与GNDO算法的机器人路径规划

摘要

快速探索随机树（RRT）算法虽能高效解决复杂空间的路径规划问题，但存在路径质量差、无法保证最优解及对动态障碍物处理不足等问题。此外，算法效率受随机性影响，探索过程冗余，导致搜索成本偏高。文中提出了一种基于广义正态分布优化（GNDO）算法对RRT算法进行优化。将RRT算法已经探索到的路径节点作为输入，用GNDO算法通过计算每个点的适应度值进行取舍和调节，找到最优路径；同时，为了加快RRT算法的收敛速度，引入自适应步长策略调整父节点与目标节点之间的距离。仿真实验结果证实：与RRT和RRT^*相比，经过GNDO优化后的GNDO-RRT算法路径质量显著提升，路线更为平滑，时间消耗也远低于RRT^*优化算法。

关键词

路径规划 / RRT / RRT^* / GNDO / 自适应步长

基金资助

国家自然科学基金项目(61761049,61261022); 云南省教育厅科学研究基金项目(2023Y0502); 云南民族大学2022年硕士研究生科研创新基金项目(2022SKY006)