遗传算法在移动机器人路径规划中的应用综述
Application of Genetic Algorithm in Mobile Robot Path Planning
DOI: 10.12677/airr.2025.145104, PDF,    科研立项经费支持
作者: 贾玉婷, 李忠林*：广州软件学院电子信息与控制工程学院，广东 广州
关键词: 移动机器人；路径规划；遗传算法；改进遗传算法；Mobile Robot； Path Planning； Genetic Algorithm； Improved Genetic Algorithm
摘要: 遗传算法作为一种优异的仿生寻优算法被广泛应用于路径规划领域，但也因其在路径规划时存在易早熟收敛慢的问题而被广泛关注，对其改进已成为一个路径规划领域的热点问题。本文综述了近年来国内外学者对遗传算法在路径规划方面的改进方法和策略，将其归纳为改进种群初始化方法、改进适应度函数、改进遗传算子和与其他算法相融合四类，并结合使用场景，进行了详细的介绍，同时鉴于目前对遗传算法的改进方法和策略已展现出局限性，展望并提供了五种新的改进思路，旨在为相关专业技术人员和学者了解遗传算法在移动机器人路径规划中的发展、应用及改进提供一定的参考。
Abstract: Genetic algorithm, as an excellent biomimetic optimization algorithm, has been widely used in the field of path planning. However, it has also received widespread attention due to its problem of premature convergence and slow convergence in path planning, and its improvement has become a hot topic in the field of path planning. This article summarizes the improvement methods and strategies of genetic algorithms in path planning by scholars at home and abroad in recent years. They are classified into four categories: improved population initialization methods, improved fitness functions, improved genetic operators, and integration with other algorithms. Combined with usage scenarios, detailed introductions are made. At the same time, considering the limitations of current improvement methods and strategies for genetic algorithms, five new improvement ideas are proposed and discussed, aiming to provide reference for relevant professional technicians and scholars to understand the development, application, and improvement of genetic algorithms in mobile robot path planning.
文章引用：贾玉婷, 李忠林. 遗传算法在移动机器人路径规划中的应用综述[J]. 人工智能与机器人研究, 2025, 14(5): 1099-1109. https://doi.org/10.12677/airr.2025.145104

参考文献

[1] 王紫虹, 黄沛琛, 刘杰, 等. 香蕉园喷雾机器人双目避障系统设计[J/OL]. 广西科技大学学报: 1-13.
https://link.cnki.net/urlid/45.1395.T.20250801.0904.002, 2025-08-06.
[2] Li, J., Shen, C. and Zhang, K. (2022) Path Planning of Mobile Medical Robot Based on Genetic Algorithm. 2022 6th International Conference on Wireless Communications and Applications (ICWCAPP), Haikou, 20-21 August 2022, 54-58. [Google Scholar] [CrossRef] 
[3] Suresh, K.S., Venkatesan, R. and Venugopal, S. (2022) Mobile Robot Path Planning Using Multi-Objective Genetic Algorithm in Industrial Automation. Soft Computing, 26, 7387-7400. [Google Scholar] [CrossRef] 
[4] Jiang, Y., Xu, X., Zheng, M. and Zhan, Z. (2024) Evolutionary Computation for Unmanned Aerial Vehicle Path Planning: A Survey. Artificial Intelligence Review, 57, Article No. 267. [Google Scholar] [CrossRef] 
[5] Yuan, J., Liu, Z., Lian, Y., Chen, L., An, Q., Wang, L., et al. (2022) Global Optimization of UAV Area Coverage Path Planning Based on Good Point Set and Genetic Algorithm. Aerospace, 9, Article 86. [Google Scholar] [CrossRef] 
[6] 梁永豪, 陈秋莲, 王成栋. 基于RRT改进的移动机器人路径规划算法[J]. 计算机工程与设计, 2024, 45(3): 748-754.
[7] 马萧杰, 施新宇, 肖文星, 等. 基于TSP_RRT算法的柑橘多目标连续采摘路径规划[J]. 江西农业大学学报, 2024, 46(2): 490-501.
[8] Han, H.T., Ji, W.F., Zhang, Y.Q. and Sha, D.P. (2014) Comparative Study of Path Planning by Particle Swarm Optimization and Genetic Algorithm. Applied Mechanics and Materials, 687, 1420-1424. [Google Scholar] [CrossRef] 
[9] 郑树泉. 工业智能技术与应用[M]·上海: 上海科学技术出版社, 2019.
[10] Abdulsaheb, J.A. and Kadhim, D.J. (2023) Classical and Heuristic Approaches for Mobile Robot Path Planning: A Survey. Robotics, 12, Article 93. [Google Scholar] [CrossRef] 
[11] 王怀江, 刘晓平, 王刚, 等. 基于改进遗传算法的移动机械臂拣选路径优化[J]. 北京邮电大学学报, 2020, 43(5): 34-40.
[12] Luan, P.G. and Thinh, N.T. (2021) Hybrid Genetic Algorithm Based Smooth Global-Path Planning for a Mobile Robot. Mechanics Based Design of Structures and Machines, 15, 1-17.
[13] 江苏理工学院. 基于遗传蚁群算法的移动机器人路径规划方法及系统[P]. 中国专利, 201610003892.X. 2016-04-20.
[14] 冯舒, 刘明. 基于遗传算法改进的AGV路径规划研究[J]. 现代电子技术, 2024, 47(4): 123-127.
[15] 王新月, 马晓凤, 文元桥. 基于双离散变量遗传算法的洗舱站选址研究[J]. 中国航海, 2024, 47(1): 121-130.
[16] 王雷, 李明, 唐敦兵, 等. 基于改进遗传算法的机器人动态路径规划[J]. 南京航空航天大学学报, 2016, 48(6): 841-846.
[17] 北京理工大学. 一种处理带时间窗的多仓库车辆路径问题的轻量级混合遗传算法和可变邻域搜索算法[P]. 中国专利, 202410639083.2. 2024-08-27.
[18] 陈龙, 郑祥盘, 唐晓腾. 基于遗传算法的移动机器人全覆盖路径规划研究[J]. 闽江学院学报, 2023, 44(5): 18-27.
[19] Wang, Y., Wang, Y., Wang, Y. and Li, J. (2023) Research on Abnormal Event Diagnosis Method of Complex Product Production Based on Digital Twin. International Journal of Modeling, Simulation, and Scientific Computing, 14, Article ID: 2341031. [Google Scholar] [CrossRef] 
[20] 王雷, 王艺璇, 李东东, 等. 基于改进遗传算法的移动机器人路径规划研究[J]. 华中科技大学学报(自然科学版), 2024, 52(5): 158-164.
[21] 罗辞勇, 卢斌, 刘飞. 一种求解TSP初始化种群问题的邻域法[J]. 重庆大学学报, 2009, 32(11): 1311-1315.
[22] 南京中禹智慧水利研究院有限公司. 基于改进自适应遗传算法的新安江模型参数率定方法[P]. 中国专利, 202310932513.5. 2024-03-08.
[23] 魏彤, 龙琛. 基于改进遗传算法的移动机器人路径规划[J]. 北京航空航天大学学报, 2020, 46(4): 703-711.
[24] 唐琳, 郭贵虎, 黄猛, 等. 基于小生境遗传算法的移动机器人路径优化[J]. 现代电子技术, 2009, 32(24): 95-99.
[25] 蒲兴成, 张军, 张毅. 基于时变适应度函数的改进粒子群算法及其在移动机器人路径规划中的应用[J]. 计算机应用研究, 2010, 27(12): 4454-4456, 4463.
[26] 李娜, 符向前. 改进适应度遗传算法在泵站优化调度中的应用[J]. 中国农村水利水电, 2022(6): 187-190.
[27] 王吉权, 宋丽, 宋豪豪, 等. 基于改进实数遗传算法的桑叶采摘机结构参数优化[J]. 中国农机化学报, 2024, 45(1): 14-20, 53.
[28] 魏建兵. 基于改进遗传算法的容器多级调度优化研究[D]: [硕士学位论文]. 大连: 大连交通大学, 2023.
[29] 王雷, 李明, 蔡劲草, 等. 改进遗传算法在移动机器人路径规划中的应用研究[J]. 机械科学与技术, 2017, 36(5): 711-716.
[30] Yao, Z. and Xu, Y. (2024) An Improved Genetic Algorithm for Robot Path Planning. Journal of Computational Methods in Sciences and Engineering, 24, 1331-1340. [Google Scholar] [CrossRef] 
[31] 孔祥标. 融合蚁群算法和遗传算法的移动机器人全局路径规划算法研究[D]: [硕士学位论文]. 沈阳: 东北大学, 2018.
[32] 刘传领. 改进的蚁群遗传优化算法及其应用[J]. 计算机应用, 2013, 33(11): 3111-3113, 3128.
[33] 田雅琴, 胡梦辉, 刘文涛, 等. 基于跳点搜索-遗传算法的自主移动机器人路径规划[J]. 工程设计学报, 2023, 30(6): 697-706.
[34] 孙茂荣, 赵泽阳. 基于遗传算法的管板爬行机器人检修路径规划[J]. 制造业自动化, 2023, 45(11): 117-121.
[35] 周龙港, 刘婷, 卢劲竹. 基于Floyd和改进遗传算法的丘陵地区农田遍历路径规划[J]. 智慧农业(中英文), 2023, 5(4): 45-57.
[36] Boğar, E. and Beyhan, S. (2016) A Hybrid Genetic Algorithm for Mobile Robot Shortest Path Problem. International Journal of Intelligent Systems and Applications in Engineering, 4, 264-267. [Google Scholar] [CrossRef] 

为你推荐