基于进化神经网络的移动机器人路径规划研究（2010年）

简介：
本研究于2010年探讨了利用进化神经网络技术优化移动机器人的路径规划问题，旨在提高算法效率及适应复杂环境的能力。 本段落研究了进化机器人路径规划的不可移植性问题：即在某一环境中通过进化的良好行为，在环境发生变化后不再适用，需要重新进行进化与学习。提出了一种基于神经网络的方法来构建移动机器人传感器输入与其执行器输出之间的映射关系，并据此设计了一种新的进化机器人的路径规划算法。 该算法结合了反应式行为和行为学习的复合体系结构：使用距离传感器信息及决策量作为样本库，完成反应性行为；同时采用改进型进化算法优化神经网络中的权重。在进化的过程中，新出现的数据会被不断加入到样本库中，使机器人的高级智能操作逐渐转变为低级本能响应。 文中详细描述了该方法的具体步骤，并通过仿真实验验证了其有效性。