终检评审通过 创新训练 520计算机科学技术 机器人市级

随着当今社会科学技术水平的快速发展，机器人已经在诸多领域有了很好的应用。而路径规划问题在机器人的应用中是非常重要的一部分，在进行路径规划时需要综合考虑地形环境、运动特性和任务需求等因素。面对路径规划中的复杂情况，仅仅依靠过往经验是远远无法满足要求的。因此，路径规划算法的研究显得格外重要，好的路径规划算法能够在给定已知任务信息的情况下计算出最优路径，起到提高效率、保证安全性、降低成本和提高适应性等作用。 自主移动作为移动机器人最重要的智能化体现，路径规划则是其中的关键支撑技术。面对复杂多变的现实环境时，如何有效地规划出合理路径，使机器人快速安全地越过各种障碍物，顺利到达目标位置并完成规定任务，是考量移动机器人的路径规划是否科学合理，避障性能是否优越的重要参考指标。 当前，国内外对路径规划算法已经做了大量研究，有很多卓越成果，如Dijkstra、A*算法、人工势场法等传统算法和PRM算法、RRT算法等基于采样路径规划算法以及蚁群算法、遗传算法等智能仿生算法。但以上算法或存在效率低、不适用于动态环境和高维空间、陷入局部最优和过早收敛等缺点，以致不能在复杂条件下完成最优路径的规划。而MPA算法（Marine Predators Algorithm）或许能够改善现有的路径规划算法存在的问题。MPA算法是一种基于对自然界海洋捕食者的捕食策略进行研究后的启发式仿生算法，其可以通过模拟生物捕食行为中评估最优进攻路径的行为来解决机器人在实际应用中的路径规划问题，使用此方法解决路径规划问题能够做到考虑多个因素（如速度、目标位置、障碍物等），与现有算法相比，MPA算法可以在更高效地求出全局最优解的同时保证精度和稳定性。所以我们将基于MPA算法对路径规划问题进行研究，并对其进行改进，使其有更强大的解决路径规划问题的能力。