人工势场法局部极小值优化方法研究

人工势场法是目前路径规划常用的算法之一，但其存在的局部最小值问题会导致智能移动机器人无法到达目标点。本文针对人工势场法局部最小值优化的三种算法展开研究。文章选择了算法运行平均时间和成功到达目标点的成功率作为研究对象，通过设置三种优化算法在不同障碍物下运行，观察不同设置情景下算法运行时间和成功率的变化，得到这三种优化算法的各自适合的障碍物环境。文章为这三种优化算法的应用提供了参考依据。

随着自主机器人技术的迅速发展，路径规划问题一直是一个备受关注的领域。自主机器人，包括自主车辆、机器人和无人机，需要在各种环境中进行自主导航，从而实现任务如搜索救援、自动驾驶和勘探。自主机器人除了在硬件方面需要不断的完善，它在路径规划方面也在不断发展。目前路径规划主要有图搜索算法比如A*算法[1] [2]，文献1 和2 所提方法通过对A*算法分析及仿真实验结果可知，传统A*算法原理简洁，便于理解操作，同时在进行路径规划时具有搜索路径简单，快捷的特点。采样法比如快速探索随机树法[3]，文献所提方法利用RRT 算法的随机拓展特性逃离人工势场中的局部极小值问题， 逃离速率受到扩展树的扩展速度与随机性的影响。路径规划还有比如遗传算法和模拟退火算法[4] [5] [6]文献4 所提方法当航路点陷入威胁区时利用模拟退火算法求解总势场强度更小的点，直至惩罚势函数为零，使航路点成功跳出威胁区，避免了标准方法中参数取值对航路点逃离威胁区的影响，该改进方法易于实现且收敛快速。目前路径规划用的最多的方法就是人工势场法[7] [8] [9]。人工势场法是一种常用于路径规划的方法，通过模拟物体在势场中运动的方式来规划路径。在这个方法中，目标点被视为吸引物， 而障碍物则被视为斥力物。机器或机器人受到目标的引力和障碍物的斥力的影响，最终沿着势场梯度移动，找到路径。这种方法简单直观，易于理解和实现。

然而，人工势场法也有一些问题，例如可能陷入局部最小值，导致路径不够优化，因此需要对人工势场法进行改进。如文献[9]利用人工势场法对机器人在特定环境中进行路径规划，并针对传统人工势场法存在的局部极小点问题，引入沿墙走行为[9]，运用改进的人工势场法有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题。文献[10]针对传统人工势场法无人船路径规划中无法到达目标点、局部极小值、路径振荡的问题，提出了一种改进人工势场法。修改斥力函数，解决无人船无法到达目标点问题；施加艏向角限制， 增加随机扰动[10]， 解决无人船存在的两种局部极小值问题。

文献[11] [12] [13]提出采用填平势场[11] [12] [13]与模拟退火算法相结合的解决策略， 求解势场强度的最小值作为下一行走目标，多个序列目标构成优化路径，引导机器人脱离局部极小点，绕过障碍物到达目标点。人工势场法有很多种改进的方法，本文就使用最多的方法如沿墙走，随机扰动以及填平势场这三种方法进行追踪研究，来给读者展示这三种方法的利弊。

2. 人工势场法在机器人路径规划中的应用 2.1. 传统人工势场法 Khatib 首先提出人工势场法[14]的基本思想， 其基本思想的主要内容是：见图1 机器人在自主行进的