机器人自动避障是机器人领域的一个重要方向，可以广泛的应用于无人驾驶、汽车安全为代表的工业领域，同时也会被广泛的利用于农业、军工业等多行业。本设计是利用遗传演化神经网络，设计一种能够自动躲避障碍物的模拟程序。它利用神经网络解决非线性问题，结合了遗传算法和进化策略研究一种躲避障碍的模型，提高了机器人的自学习能力和环境适应能力。能够使得其自主学习适应复杂的环境，简化程序，优化算法。
目录
一、 引言 1
二、 关键技术介绍 1
（一） 神经网络 1
1. 感知机 1
2. 激活函数 2
3. BP神经网络 4
（二） 遗传算法 5
（三） 遗传演化神经网络 6
（四） Pygame 7
三、 程序设计 8
（一） 设计思路 8
（二） 遗传算法的运用 10
1. 交叉和变异 10
2. 产生下一代 10
（三） 避障软件设计 11
1. 设置障碍触发条件 11
2. 将软件和神经网络结合 12
四、 结果分析 13
五、 总结 19
致谢 20
参考文献 21
引言
自“十四五”规划之后，人工智能越发重要，规划中明确提出了，要大力推动人工智能发展。神经网络作为人工智能的重要一环，在AI开发中有这重要作用，而遗传神经网络是一个结合了遗传算法，能使神经网络自己得到最优解。
目前神经网络种类繁多，其中BP神经网络是其最为常见的一种。将生物遗传的模式带入神经网络，借用遗传的变异交叉和选择原理，筛选出一组能够最合适的权重。
本设计是利用遗传神经网络，设计一种程序能够自动躲避障碍物。该设计通过对模拟程序的设计探究想法的可行性，并为机器人自动躲避障碍的设计开创一种新思路。
机器人的高速发展对于移动避障提出更高的要求。机器人避障需要监测环境中的障碍，并做出躲避动作，可以说是一种状态空间到动作空间的映射[1]。这种映射显然是非线性的。而神经网络是一种几乎完美适应任意非线性函数的模型，因此采用神经网络模型将会是一个比较 *景先生毕设|www.jxszl.com +Q: @351916072@ 
适宜的方式[1]。
关键技术介绍
神经网络
神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应[2]。神经网络中最基础单元是“神经元”。神经元在生物学上是初略可以分为树突、突触、细胞体和轴突。树突是神经元的输入通道，能将突触接受到的上一个神经元的信号传递给细胞体，并采用轴突传递输出给下一个神经元。信号在神经细胞中的传递是通过细胞膜中
????????
+
−
????
+
泵转移钠钾离子产生的电位差传递电信号的，在传递过程中，如果电信号达到阈值时会将细胞体激活，产生新的电信号[3]。
感知机
感知机模型是由生物神经元启发而建立的，以计算分类问题。感知机由输入神经元和输出神经元组成，如图21所示。感知机是一个分类模型，其输入的实例特征向量，在超平面的划分下输出的实例的类别，引入基于误分类的损失函数，利用梯度下降对函数取极小。单一的感知机只有两种输出即1或者0。所以感知机可以组成逻辑门。
设存在两个输入x_1和x_2，当x_1、x_2同时为1时，输出为1，此时感知机组成了与门。同样的，同时为当x_1、x_2同时为0时，输出为0，此时为或门。单一的感知机只能完成线性问题，如果遇到非线性则需要使用多层感知机。
当我们引入权重，我们就可以使得感知机更加灵活的分类。


图21 感知机模型
感知机是一个对于数据集的最优化问题的算法。给定数据集:
????={
????
1
,
????
1
,
????
2
,
????
2
,,(
????
????
,
????
????
)}
其中
????
????
∈????=
????
????
,
????
????
∈????=
−1,1
,????=1,2,,????，∃????,????使得损失函数的极小值为
min
????????
????
????,????
= −
????
????
∈????
????
????
(????.
????
????
+????)
其中M为误分类点的集合。
一般的可以设????=????(
????
????
????
????
????
−????
),其中f是激活函数。其中权重
????
????
以及????可以通过学习得到。对于数据集T，若感知机的输出是
????
，则感知机权重可调整为：
????
????
←
????
ｉ
+∆
????
????
∆

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/564420.html