阅读笔记（全覆盖路径规划算法）：The path planning of cleaner robot for coverage region using Genetic Algorithms

论文下载：点击打开链接

1. 环境模型（see figure 1)：

   1.1. 环境被描述为圆形为了方便描述机器人的移动

   1.2. 默认圆形半径和机器人半径一样

   1.3. 每个圆形可以表示有障碍或无

   1.4. 每个圆形有八个相邻圆

   1.5. 连接线R_ij 表示距离

   1.6. 每个圆有它自己到号码，一一对于机器人到每一运动。

2. 算法细节：

   2.1. 概述：

          2.1.1. 由遗传算法启发，解决optimization的问题。

          2.1.2. 全局规划被分为一系列的局部规划（局部路径被限制于感应器感应范围内）。

          2.1.3. 目标为：最短移动距离，最少转向和重复点（我觉得最大覆盖率也是他们的目标之一）。

   2.2. 进化过程：

          2.2.1. 他们基于基因算法（GA see figure 2）提出一个"进化过程"evolutionary approach来达到目标 2.1.3.

          2.2.2. 染色组包含一组基因（一组局部机器人运动）。

          2.2.3. 局部路径规划（mini-path planning)是随机的(随机选取附近到一个点(???)). 他们能得到2种方法来产生局部路径：螺旋或者Z形的运动。（see   figure 3)

          2.2.4. 对于这随机产生到局部路径，他们引入了判定标准来挑选一条最好的：局部路径 (mini-path i) 适应度函数:

                               

        2.2.5. 上面这条考虑了 total distance of mini-path (Dist), the number of unclean cells (Free), 和 the total  distance of each position cell relative to the current position (Dist( xx - xx)).

         2.2.6. Total distance of mini-path (Dist) 等于路径里每一对圆的距离的和，The number of unclean cells (Free) 等于目前机器人附近未遍历的圆（并属于此局部路径的）个数， 最后一项等于路径的每个圆到目前机器人的距离的和。

         2.2.7. 对所有的随机产生的局部路径计算完其适应度后就可以用这些适应度来挑选一部分好的路径然后进行交叉和变异运算产生下一代的局部路径。

         2.2.8. 对新的一代进行适应度计算，挑选，交叉和变异运算，然后继续重复直到？？。最后得到一条最优局部路径。

         2.2.9. 到达局部路径的终点后再规划局部路径

3. 模拟结果 （see figure 4)：

         通过对比最短移动距离，最少转向和重复点，他们的比SCD和ORD算法好。

   4. 我的评价：

             在2.1.3.列出表现可以，但效率不高，可能不能实时运算。需要自己决定调试A，B，C参数以及局部路径的长度。

figure 1.

figure 2.

figure 3.

figure 4.