17、基于遗传算法的MATLAB自动导引车辆仿真

基于遗传算法的MATLAB自动导引车辆仿真

1. 引言

近年来，机器人技术取得了巨大进步，机器人在现代社会中的应用日益广泛。其中，无人机（UAV）的发展尤为引人注目，它使飞机无需搭载人类机组人员即可飞行，不过目前的无人机仍需由飞行员或导航员控制。如今的无人机通常将远程控制与计算机自动化相结合，内置的控制和/或制导系统能够执行诸如速度控制和飞行路径稳定等任务。然而，现有的无人机并非真正自主，这主要是因为飞行器自主领域是一个新兴领域，可能成为未来无人机发展的瓶颈。

自主技术发展的最终目标是通过改变机器决策来取代人类飞行员，使其能够像人类一样做出决策。为实现这一目标，可以采用多种人工智能相关工具，如专家系统、神经网络、机器学习和自然语言处理等。目前，自主领域大多采用自下而上的方法，如分层控制系统。分层控制系统中的一种有趣方法是包容架构，它将复杂的智能行为分解为许多“简单”的行为模块，并组织成层。每层实现特定目标，高层更抽象。决策并非由上层做出，而是通过听取感官输入（最底层）触发的信息来决定。这种方法允许使用强化学习，利用经验信息获取行为。

强化学习（RL）受旧行为主义心理学启发，关注智能体在环境中应如何行动以最大化累积奖励。与标准监督学习不同，强化学习从不提供正确的输入/输出对，且注重在线性能，需要在探索（未知领域）和利用（现有知识）之间找到平衡。强化学习已成功应用于各种问题，包括机器人控制、电梯调度、电信、西洋双陆棋和国际象棋等。

遗传算法（GAs）旨在模拟自然界的遗传进化过程，进行人工进化。它由John Holland在70年代初开发，此后成功应用于众多大型复杂搜索空间问题。在自然界中，生物体的某些特征会影响其生存和繁殖能力，这些特征包含在基因中。自然选择确保强