遗传算法优化网络结构路径规划：实例与远亲交配策略

本文探讨了在1995年由吴晓涛和增沂发表于清华大学学报〈自然科学版〉的一篇关于用遗传算法进行路径规划的研究论文。作者针对一种基于网络结构的并行路径规划算法，提出了改进方法，以解决其在寻找全局最优解时的不足。传统算法通过人工势场法进行规划，虽然在实时性上有显著优势，但在寻找全局最优路径时表现不佳。 作者创新性地引入了遗传算法，这在当时是一种新颖的优化策略。不同于常规的遗传算法，他们采用了“远亲交配”策略，这是一种特殊的交叉操作，旨在从更广泛的范围中选取可能的解决方案，从而提高找到全局最优解的概率。这种方法避免了对规划空间进行粗粒度或细粒度的离散化，从而保持了算法的精度和计算效率。 论文的核心部分详细描述了势函数的构建，它由碰撞罚函数和路径距离函数两部分组成，用来评估路径的有效性。罚函数设计考虑了温度效应，初始温度高有助于快速避开障碍，随着迭代过程温度降低，路径会逐渐趋向于最优状态。通过网络结构并行实现，算法在兼顾实时性能的同时，也保证了遗传算法的并行应用，提高了寻优的效率。 文章还提到了研究背景，即无碰撞路径规划问题的重要性，它涉及到机器人导航、自动化控制等领域，对寻找从起点到终点的最短路径，且不碰撞障碍物的需求。此外，研究还得到了国防科技预研基金的支持，体现了该领域的实际应用价值和研究前沿。 这篇论文不仅展示了遗传算法在解决复杂路径规划问题上的潜力，还强调了如何结合网络结构和特定优化策略以提升算法性能，这对后来的路径规划研究产生了深远影响。