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，使得机器人在现代社会中的应用更加广泛。其中，无人机（UAV）的发展尤为引人注目，它能够在没有人类机组人员的情况下飞行，不过目前仍需由飞行员或导航员进行控制。

如今的无人机通常将远程控制和计算机自动化相结合，内置的控制和/或引导系统可以实现速度控制和飞行路径稳定等功能。然而，现有的无人机并非真正意义上的自主飞行，主要原因在于飞行器自主领域是一个新兴领域，这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的决策方式，使其能够像人类一样做出决策，从而取代人类飞行员。为了实现这一目标，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，并将这些模块组织成层次结构。每个层次实现特定的目标，并且层次越高，抽象程度越高。决策不是由上层做出，而是通过听取由感官输入（最低层）触发的信息来做出。这种方法允许使用强化学习，通过经验信息来获取行为。

强化学习受旧行为主义心理学的启发，关注智能体在环境中应如何采取行动，以最大化某种累积奖励的概念。与标准的监督学习不同，强化学习中不会呈现正确的输入/输出对。此外，它更注重在线性能，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。

遗传算法是为了模拟自然界中的遗传进化过程而开发的，旨在进行人工进化。它由John Holland在20世纪