摘要:遺傳算法作為一種建立在自然界生命進化機制基礎(chǔ)上的一種搜索優(yōu)化方法，在機器人控制領(lǐng)域中有著十分重要的應(yīng)用意義，通過分析遺傳算法概念、原理及優(yōu)點，并不斷找出機器人控制領(lǐng)域的應(yīng)用方法，為未來機器人控制發(fā)展指明方向.

　　關(guān)鍵詞:遺傳算法;機器人;控制系統(tǒng);設(shè)計研究

　　遺傳算法是一種借鑒了自然界中生物自身進化機制與發(fā)展機制的隨機化搜索算法，其將適者生存這一概念深入應(yīng)用到算法結(jié)構(gòu)中，整體采用鏈?zhǔn)浇Y(jié)構(gòu)，并在鏈?zhǔn)浇Y(jié)構(gòu)之間進行有機的隨機信息交換，隨著算法的不斷運行，優(yōu)秀的品質(zhì)得以保留，于此相關(guān)的優(yōu)秀個體，得以進一步的發(fā)展。遺傳算法在機器人控制領(lǐng)域有著十分重要的應(yīng)用意義，能夠不斷優(yōu)化對機器人的控制方法，使得機器人在智能成長方面產(chǎn)生獨特優(yōu)勢。

　　1遺傳算法優(yōu)點

　　遺傳算法有著諸多優(yōu)點，與其他算法相比，主要分為以下幾個方面。首先，遺傳算法在求解過程中操作對象，是由參數(shù)編碼形成的染色體串，而不是一般算法作用的參數(shù)本身，遺傳算法不受問題的性質(zhì)限制，能夠直接對對象所聯(lián)系的染色體串概念進行操作，對于集合、隊列、樹、圖等結(jié)構(gòu)有著更加直觀方便的觀察，因此，遺傳算法可以有著十分廣泛的應(yīng)用。遺傳算法在解決問題時，是從空間中的一群點開始進行操作，其可以對空間中一部分區(qū)域進行分析總結(jié)，并生成群體進化序列，這樣能夠有效防止在搜索過程中出現(xiàn)局部最優(yōu)解的情況，能夠最大程度的顧全全局。另外遺傳算法中的概率轉(zhuǎn)變規(guī)則，也使得其在進行空間信息搜索時，能夠有效利用概率來指導(dǎo)搜索方向，相比于傳統(tǒng)算法搜索來說有著更高的搜索效率。遺傳算法在使用過程中有著隱含的并行性特點，其在進行問題搜索解決時，能夠運用較少的串來檢驗較大數(shù)量區(qū)域的整體特性，這使得遺傳算法能夠更方便、更簡單的使用并行機制來進行高速運算，對于一般的計算機運算芯片來說，有效的提高運算效率。傳統(tǒng)算法使用并不存在這一優(yōu)勢，另外遺傳算法對于問題依賴性十分小，遺傳算法方法主要是使用問題的適應(yīng)度函數(shù)值這一信息來源進行問題答案求解，與其他算法相比，并不需要輔助信息的幫助。如果問題函數(shù)值中并不包含所需具體信息，遺傳算法也可以在其他方面找到所需的適應(yīng)度函數(shù)值，進而獲得問題的進一步求解。整體來說，遺傳算法與其他算法相比，更適合進行大規(guī)模復(fù)雜問題的優(yōu)化求解。

　　2遺傳算法控制系統(tǒng)優(yōu)化設(shè)計方法

　　用遺傳算法進行問題解決，一般步驟是表示問題、選擇巡游參數(shù)編碼方式、產(chǎn)生群體、計算適應(yīng)度函數(shù)值、選擇、復(fù)制、交叉、變異、終止。在這一整個過程中，都參考了達爾文進化論中的自然選擇生物循環(huán)機制，并且將待優(yōu)化的問題，通過空間映射為生物染色體的方法來使得遺傳算法能夠隨機產(chǎn)生若干代表優(yōu)化問題候選解的群體，并按照特定的環(huán)境深度對各個群體進行評估，最終選擇優(yōu)秀的能夠繼承適應(yīng)的個體進行向下傳遞，實現(xiàn)進化。最終獲得特定環(huán)境下的問題最優(yōu)解。通過這方面可以了解到，在進行機器人控制中對于機器人控制的以下幾個方面有著很好的優(yōu)化指導(dǎo)作用。

　　2.1機器人步態(tài)優(yōu)化

　　機器人的步態(tài)控制是一個有著諸多變量，強耦合、非線性的復(fù)雜力學(xué)系統(tǒng)，在機器人動態(tài)步行設(shè)計過程中，如何對其平衡性以及步伐控制進行設(shè)計，有著十分繁瑣的分析，傳統(tǒng)的方法進行步行控制設(shè)計，往往需要依賴設(shè)計者的主觀經(jīng)驗和直覺，新型化的模型也使得其結(jié)果并非最優(yōu)。即使一部分算法滿足了步行設(shè)計標(biāo)準(zhǔn)，但限制了機器人在不同環(huán)境下的步行能力，用遺傳算法。在一定約束條件下，諸如限制其步行速度和步幅，進而建立合適的適應(yīng)度函數(shù)，將機器人的走路問題轉(zhuǎn)化為參數(shù)搜索問題，融合遺傳算法中的隱含并行性，進行非線性的問題解決，最終得到不同約束條件下的最優(yōu)行走方法。

　　2.2機器人關(guān)節(jié)空間運動優(yōu)化

　　機器人關(guān)節(jié)空間自由運動規(guī)劃是一個有著巨大挑戰(zhàn)性的問題，其主要表現(xiàn)在兩個方面，一是需要借助通用的方法來處理諸多運動學(xué)力學(xué)的約束問題，另外它需要使用高效算法在十分復(fù)雜且龐大的空間結(jié)構(gòu)中，構(gòu)建自由軌跡，來保證機器人運動的準(zhǔn)確、穩(wěn)定。雖然在機器人關(guān)節(jié)運動在控制研究過程中，有學(xué)者使用最優(yōu)控制理論解決一些問題，但自由控制理論并不能解決高度耦合、高度非線性的機器人動力學(xué)模型，使得結(jié)果雖然是最優(yōu)解，但并非最適合實際情況。在遺傳算法下的，處理大規(guī)模運動力學(xué)和控制約束問題，能夠?qū)崿F(xiàn)更好的性質(zhì)，并且龐大的復(fù)雜軌跡空間中非線性的檢索方法，也能夠盡可能的找出最優(yōu)的運動軌跡，保證軌跡連續(xù)、速度連續(xù)。

　　2.3多機器人路徑協(xié)調(diào)

　　多機器人協(xié)同工作是未來機器人控制中的重要方面，機器人路徑規(guī)劃是指在一定工作空間內(nèi)為機器人，實現(xiàn)不同任務(wù)所提供的高效安全的運動路徑，在實際應(yīng)用過程中，每個機器人都需要有特定的準(zhǔn)確路徑，通常使用原則是提醒人所行走的路徑長度最短，消耗能量最少，使用時間最多，以往的算法提出可視圖人工勢場等等能夠在一定程度上解決機器人路徑協(xié)調(diào)問題，但容易使得部分機器人停滯不前，全球上降低了機器人的工作效率。應(yīng)用遺傳算法來調(diào)整路徑點要通過，事先規(guī)劃好的工作空間路徑點鏈接圖進行建模，在此基礎(chǔ)上應(yīng)用遺傳算法調(diào)整路徑節(jié)點，進而一步一步得到較優(yōu)的行走路徑，逐層傳遞的非線性二進制路線編碼機器人在行走時能夠逐步的解決路線問題，更好的符合現(xiàn)實中機器人錄像協(xié)調(diào)問題規(guī)劃需要。

　　3結(jié)語

　　遺傳算法充分考慮自然界生物自身行為進化方式的諸多內(nèi)容，所以在進行機器人控制時，對于機器人的行為控制也能夠?qū)⑵渑c自然界生物行為相聯(lián)系，從某些方面使其更適應(yīng)實際情況當(dāng)中的問題解決。遺傳算法對于機器人控制設(shè)計，只要能夠更好的解決多機器人路徑，協(xié)調(diào)機器人自身運動協(xié)調(diào)等等方面的問題，通過深入分析遺傳算法，未來機器人控制還會有著更為長遠的應(yīng)用空間。遺傳算法在諸多方面都有著自身所特有的優(yōu)勢，盡管在一些方面其并不適合直接的數(shù)學(xué)方法分析，但對于邏輯行為的指導(dǎo)有著巨大的帶動意義，尤其是在機器人行為控制上，能夠推動工業(yè)機器人的功能性。

　　參考文獻

　　[1]丁度坤,謝存禧,張鐵,蔣賢海.遺傳算法在工業(yè)機器人控制中應(yīng)用研究[J].機械設(shè)計與制造,2009(03):13-16.

　　[2]吳婷,張禮兵.基于自適應(yīng)遺傳算法自優(yōu)化的機器人控制策略[J].自動化與儀器儀表,2015(06):30-32.