網(wǎng)絡(luò)內(nèi)神經(jīng)元間有反饋，可以用一個無向的完備圖表示。這種神經(jīng)網(wǎng)絡(luò)的信息處理是狀態(tài)的變換，可以用動力學(xué)系統(tǒng)理論處理。系統(tǒng)的穩(wěn)定性與聯(lián)想記憶功能有密切關(guān)系。網(wǎng)絡(luò)、波耳茲曼機(jī)均屬于這種類型。
3 基于人工神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃算法
神經(jīng)網(wǎng)絡(luò)解決移動機(jī)器人路徑規(guī)劃的思路是：使用神經(jīng)網(wǎng)絡(luò)算法能夠描述機(jī)器人移動環(huán)境的各種約束，計(jì)算碰撞函數(shù)，該算法能夠?qū)⒌窂近c(diǎn)集作為碰撞能量函數(shù)和距離函數(shù)的和當(dāng)做算法需要優(yōu)化的目標(biāo)函數(shù)，通過求解優(yōu)化函數(shù)，能夠確定點(diǎn)集，實(shí)現(xiàn)路徑最優(yōu)規(guī)劃。神經(jīng)網(wǎng)絡(luò)算法在移動機(jī)器人路徑規(guī)劃過程中的算法如下：
（1）神將網(wǎng)絡(luò)算法能夠初始化神經(jīng)網(wǎng)絡(luò)中的所有神經(jīng)元為零，確定目標(biāo)點(diǎn)位置的神經(jīng)元活性值，并且能夠神經(jīng)網(wǎng)絡(luò)每層的神經(jīng)元連接將神經(jīng)元的值傳播到出發(fā)點(diǎn)；
（2）動態(tài)優(yōu)化神經(jīng)網(wǎng)絡(luò)，根據(jù)神經(jīng)網(wǎng)絡(luò)的目標(biāo)節(jié)點(diǎn)和障礙物的具體位置信息，在神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的映射中產(chǎn)生神經(jīng)元的外部輸入；
（3）確定目標(biāo)值附件的神經(jīng)元活性值，并且使用局部側(cè)的各個神經(jīng)元之間，連接整個神經(jīng)網(wǎng)絡(luò)，并且在各個神經(jīng)元中進(jìn)行傳播。
（4）利用爬山法搜索當(dāng)前鄰域內(nèi)活性值最大的神經(jīng)元，如果鄰域內(nèi)的神經(jīng)元活性值都不大于當(dāng)前神經(jīng)元的活性值，則機(jī)器人保持在原處不動；否則下一個位置的神經(jīng)元為鄰域內(nèi)具有最大活性值的神經(jīng)元。
（5）如果機(jī)器人到達(dá)目標(biāo)點(diǎn)則路徑規(guī)劃過程結(jié)束，否則轉(zhuǎn)步驟（2）。
4 基于人工神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃技術(shù)展望
未來時間內(nèi)用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)自動跳舞機(jī)器人控制系通過，人工神經(jīng)在機(jī)器人路徑規(guī)劃過程中的應(yīng)用主要發(fā)展方向包括以下幾個方面：
4.1 與信息論相融合，確定神經(jīng)網(wǎng)絡(luò)的最優(yōu)化化目標(biāo)解
在神經(jīng)網(wǎng)絡(luò)應(yīng)用過程中，由于經(jīng)驗(yàn)值較為難以確定，因此在神經(jīng)網(wǎng)絡(luò)的應(yīng)用過程中，將神經(jīng)網(wǎng)絡(luò)看做是一個貝葉斯網(wǎng)絡(luò)，根據(jù)貝葉斯網(wǎng)絡(luò)含有的信息熵，確定神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)的最優(yōu)解，以便更好的判斷機(jī)器人移動的最佳路徑。
4.2 與遺傳算法想結(jié)合，確定全局最優(yōu)解
將神經(jīng)網(wǎng)絡(luò)和遺傳算法結(jié)合起來，其可以將機(jī)器人的移動環(huán)境設(shè)置為一個二維的環(huán)境，障礙物的數(shù)目、位置和形狀是任意的，路徑規(guī)劃可以由二維工作空間一系列的基本點(diǎn)構(gòu)成，神經(jīng)網(wǎng)絡(luò)決定機(jī)器人的運(yùn)動控制規(guī)則，利用相關(guān)的神經(jīng)元的傳感器作用獲未知環(huán)境的情況，將障礙信息和目標(biāo)點(diǎn)之間的距離作為神經(jīng)網(wǎng)絡(luò)的輸入信息，使用遺傳算法完成神經(jīng)網(wǎng)絡(luò)的權(quán)值訓(xùn)練，神經(jīng)網(wǎng)絡(luò)的輸出作為移動機(jī)器人的運(yùn)動作用力，實(shí)現(xiàn)一個可以在未知環(huán)境中進(jìn)行的機(jī)器人運(yùn)動路徑規(guī)劃。
4.3 與蟻群算法相結(jié)合，降低搜索空間，提高路徑規(guī)劃準(zhǔn)確性
為了提高神經(jīng)網(wǎng)絡(luò)的搜索準(zhǔn)確性和提高效率，可以將蟻群算法與神經(jīng)網(wǎng)絡(luò)相互結(jié)合，蟻群算法的路徑規(guī)劃方法首先采用柵格法對機(jī)器人工作環(huán)境進(jìn)行建模，然后將機(jī)器人出發(fā)點(diǎn)作為蟻巢位置，路徑規(guī)劃最終目標(biāo)點(diǎn)作為蟻群食物源，通過螞蟻間相互協(xié)作找到一條避開障礙物的最優(yōu)機(jī)器人移動路徑。
5 結(jié)語
隨著移動機(jī)器人技術(shù)的發(fā)展，路徑規(guī)劃作為最重要的一個組成部分，其得到了許多的應(yīng)用和發(fā)展，其在導(dǎo)航過程中，也引入了許多先進(jìn)的算法用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)自動跳舞機(jī)器人控制系通過，比如神經(jīng)網(wǎng)絡(luò)，更加優(yōu)化了移動的路徑。未來時間內(nèi)，隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的改進(jìn)，可以引入遺傳算法、信息論、蟻群算法等，將這些算法優(yōu)勢結(jié)合，將會是路徑規(guī)劃更加準(zhǔn)確和精確。
參考文獻(xiàn)
[1]朱大奇,顏明重,滕蓉. 移動機(jī)器人路徑規(guī)劃技術(shù)綜述[J].控制與決策,2010,25(7): 961-967.
[2]劉毅.移動機(jī)器人路徑規(guī)劃中的仿真研究[J].計(jì)算機(jī)仿真,2011,28(6): 227-230.
[3]熊開封,張華.基于改進(jìn)型 FNN 的移動機(jī)器人未知環(huán)境路徑規(guī)劃[J].制造業(yè)自動化,2013,35(22): 1-4.
[4]柳長安,鄢小虎,劉春陽.基于改進(jìn)蟻群算法的移動機(jī)器人動態(tài)路徑規(guī)劃方法[J].電子學(xué)報,2011,39(5).
[5]范浩鋒,劉俊.基于 BP 神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識別技術(shù)[J].計(jì)算機(jī)與數(shù)字工程,2013,41(4): 559-560.
作者單位
重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院重慶市
