关键词:移动机器人;路径规划技术;综述
DOI:10.16640/ki.37-1222/t.2016.21.135
0 前言
移动机器人的实现涉及自动控制、智能、机械等多种学科。它通常被应用在医疗领域、工业领域等方面。从整体角度来讲,移动机器人的应用促进了生产效率的显著提升。路径规划技术是移动机器人的关键技术之一,研究该技术具有一定的现实意义。
1 路径规划技术的作用
将路径规划技术应用在移动机器人中,能够产生的作用主要包含以下几种:
(1)运动方面。路径规划技术的主要作用是其能够保证移动机器人完成从起点到终点的运动。(2)障碍物方面。设计移动机器人的最终目的是将其应用在实际环境中,在实际环境下,移动机器人的运行路线中可能存在一定数量的障碍物,为了保证最终目的地的顺利达到,需要利用路径规划技术实现对障碍物的有效避开[1]。(3)运行轨迹方面。对于移动机器人而言,除了实现障碍物躲避、达到最终目的地这两种作用之外,应用路径规划技术还可以产生一定的优化运行轨迹作用。在移动机器人的使用过程中,在路径规划技术的作用下,机器人可以完成对最佳运行路线的判断,进而更好地完成相应任务。
2 移动机器人路径规划技术综述
移动机器人的路径规划技术主要包含以下几种:
2.1 局部路径规划方面
在局部路径规划方面,能够被应用在移动机器人中的技术主要包含以下几种:
(1)神经网络路径规划技术。从本质上讲,可以将移动机器人的路径规划看成是空间到行为空间感知过程的一种映射,因此,可以利用神经网络的方式将其表现出来。就神经网络路径规划技术而言,首先需要将相关传感器数据当成网络输入,并将网络输出看成是某固定场合中期望运动方向角增量。在这种情况下,原始样本集则可以用不同选定位置对应的数据代替。为了保证样本集数据的有效性,需要将原始样本集中的冲突样本数据以及重复样本数据剔除掉。对最终样本集应用模糊规则,实现神经网络的有效训练。当典型样本学习完成之后,移动机器人对规则的掌握水平发生了显著提升,进而使得移动机器人在产生智能性能的基础上,顺利完成相应运动[2]。
(2)人工势场路径规划技术。这种规划技术是指,将移动机器人在实际环境中的运动过程当成其在虚拟人工受力场中的一种运动。在虚拟人工受力场中,目标终点会对移动机器人产生一定的引力,而该受力场中的障碍物则会对其产生一定的斥力。在某固定算法的作用下,这两种不同的作用力会产生相应的势,进而形成势场。当移动机器人在该场中运动时,势场中的抽象力会作用在移动机器人上,使得其完成对障碍物的有效避开。在人工势场路径规划技术的实际应用过程中,由于结构简单等因素的影响,移动机器人在到达终点之前可能会停留在局部最优点位置上。对此,需要从数学的角度出发,对势场方程进行重新定义,通过这种方式排除势场中的局部极值,继而保证移动机器人运动的顺利进行[3]。
(3)遗传路径规划技术。这种路径规划技术建立在自然遗传机制等理论的基础上。这种技术通过变异、选择以及交叉对控制机构的正确计算程序进行合理编制,进而实现数学方式基础上生物进化过程的合理模拟。当移动机器人的适应度函数为正数时,允许适应度函数具有不连续或不可导特点。由于这种路径规划技术不涉及梯度信息,因此其能够更好地解决移动机器人在实际运动过程中遇到的问题。遗传路径规划技术的应用优势在于,它能够实现跟踪与规划的同时进行,因此,遗传路径规划技术通常被应用在具有时变特点的未知环境中。
2.2 全局路径规划方面
在该方面,可以被应用在移动机器人中的技术主要包含以下几种:
(1)栅格路径规划技术。这种技术是指,在将实际工作环境分成许多包含二值信息的网格单元的基础上,应用优化算法完成最佳路径的规划搜索。在这种规划技术中,其网格单元通常是由八叉树或者四叉树的方式表示出来。在该技术的应用中,栅格的作用是完成相关环境信息的记录。如果栅格中某位置的累计值相对较低,代表移动机器人可以从该位置通过;如果栅格中某个位置的累计值相对较高,则表示该位置存在障碍物,此时,移动机器人需要利用优化算法将该障碍物避开[4]。
(2)可视图路径规划技术。这种路径规划技术是指,将整个移动机器人看成一个点,然后分别将其与障碍物以及目标终点连接起来,上述连线要求为保证所连直线不会碰触障碍物。当所有连线都连完之后,即完成了一整张可视图。在该可视图中,由于起点到目标终点之间的连线都不涉及障碍物,因此上述所有连线都属于有效直线。在这种情况下,需要解决的问题主要是从这些连线中找出一条距离最短的连线。对此,需要应用优化算法将可视图中距离较长的连线删除,这种处理方式能够有效提升移动机器人的搜索时间。
(3)拓扑路径规划技术。这种规划技术是指,将移动机器人的移动范围,即规划区域分成多个具有拓扑特征的子空间,然后利用不同子空间之间的连通性完成拓扑网络的构建。当该网络构建完成后,直接从网络中找出能够使得机器人顺利从起点移动到终点的拓扑路径,将所得的拓扑路径作为参考依据完成几何路径的计算。这种规划技术的劣势主要表现为其拓扑网络的构建过程较为复杂。但这种规划技术可以实现移动机器人搜索空间的有效缩小[5]。
3 结论
路径规划技术主要分为局部规划和全局规划两方面。这两方面分别包含人工势场路径规划技术以及神经网络路径规划技术等。应用这些规划技术之后,移动机器人可以在避开障碍物的基础上,顺利完成起点到终点最优运行轨迹的运动。
参考文献:
[1]朱大奇,颜明重.移动机器人路径规划技术综述[J].控制与决策,2010(07):961-967.
[2]张捍东,郑睿,岑豫皖.移动机器人路径规划技术的现状与展望[J].系统仿真学报,2005(02):439-443.
[3]鲍庆勇,李舜酩,沈`,门秀花.自主移动机器人局部路径规划综述[J].传感器与微系统,2009(09):1-4+11.
[4]孔峰,陶金,谢超平.移动机器人路径规划技术研究[J].广西工学院学报,2009(04):70-74.
摘 要:在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结,讨论了多机器人路径规划方法的评判标准,并阐述了研究遇到的瓶颈问题,展望了多机器人路径规划方法的发展趋势。
关键词:多机器人;路径规划;强化学习;评判准则
abstract:this paper analyzed and concluded the main method and current research of the path planning research for multirobot.then discussed the criterion of path planning research for multirobot based large of literature.meanwhile,it expounded the bottleneck of the path planning research for multirobot,forecasted the future development of multirobot path planning.
key words:multirobot;path planning;reinforcement learning;evaluating criteria
近年来,分布式人工智能(dai)成为人工智能研究的一个重要分支。dai研究大致可以分为dps(distributed problem solving)和mas(multiagent system)两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发,将智能体概念应用于多机器人系统的研究中,将单个机器人视做一个能独立执行特定任务的智能体,并把这种多机器人系统称为多智能体机器人系统(mars)。因此,本文中多机器人系统等同于多智能体机器人系统。目前,多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。
机器人路径规划问题可以建模为一个带约束的优化问题,其包括地理环境信息建模、路径规划、定位和避障等任务,它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点,且已经有许多成果[1~3],例如在静态环境中常见的有连接图法、可视图法、切线图法、voronoi图法、自由空间法、栅格法、拓扑法、链接图法、dempstershafer证据理论建图等;动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而,多机器人路径规划研究比单个机器人路径规划要复杂得多,必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。
1 多机器人路径规划方法
单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径,如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看,在规划多机器人路径时,更多考虑的是多机器人之间的协调和合作式的路径规划。
目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法(如可视图法、自由空间法、栅格法、voronoi图法以及人工势场方法等);智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学习等;其他方法主要有动态规划、最优控制算法、模糊控制等。它们中的大部分都是从单个机器人路径规划方法扩展而来的。
1)传统方法 多机器人路径规划传统方法的特点主要体现在基于图论的基础上。方法一般都是先将环境构建成一个图,然后再从图中寻找最优的路径。其优点是比较简单,比较容易实现;缺点是得到的路径有可能不是最优路径,而是次优路径。薄喜柱等人[4]提出的一种新路径规划方法的基本思想就是基于栅格类的环境表示和障碍地图的。而人工势场方法的基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动。障碍物对移动机器人产生斥力,目标点产生引力,引力和斥力周围由一定的算法产生相应的势,机器人在势场中受到抽象力作用,抽象力使得机器人绕过障碍物。其优点是适合未知环境下的规划,不会出现维数爆炸问题;但是人工势场法也容易陷入局部最小,并且存在丢失解的部分有用信息的可能。顾国昌等人[5]提出了引用总体势减小的动态调度技术的多机器人路径规划,较好地解决了这个问题。
2)智能优化方法 多机器人路径规划的智能优化方(算)法是随着近年来智能计算发展而产生的一些新方法。其相对于传统方法更加智能化,且日益成为国内外研究的重点。
遗传算法是近年来计算智能研究的热点,作为一种基于群体进化的概率优化方法,适用于处理传统搜索算法难以解决的复杂和非线性问题,如多机器的路径规划问题。在路径规划中,其基本思想是先用链接图法把环境地图构建成一个路径节点链接网,将路径个体表达为路径中一系列中途节点,并转换为二进制串;然后进行遗传操作(如选择、交叉、复制、变异),经过n次进化,输出当前的最优个体即机器人的最优路径。遗传算法的缺点是运算速度不快,进化众多的规划要占据很大的存储空间和运算时间;优点是有效避免了局部极小值问题,且计算量较小。
孙树栋等人[6,7]在这方面较早地展开了研究,提出的基于集中协调思想的一种混合遗传算法来规划多机器人路径方法较好地解决了避障问题。但不足的是该方法必须建立环境地图,在环境未知情况下的规划没有得到很好的解决;且规划只能保证找到一个比较满意的解,在求解全局最优解时仍有局限。
文献[8]中提出的一种基于定长十进编码方法有效降低了遗传算法的编码难度,克服了已有的变长编码机制及定长二进制编码机制需特殊遗传操作算子和特殊解码的缺陷, 使得算法更加简单有效。
智能计算的另一种常见的方法——蚁群算法属于随机搜索的仿生算法。其基本思想是模拟蚂蚁群体的觅食运动过程来实现寻优,通过蚂蚁群体中各个体之间的相互作用,分布、并行地解决组合优化问题。该算法同样比较适合解决多机器人的路径规划问题。
朱庆保[9]提出了在全局未知环境下多机器人运动蚂蚁导航算法。该方法将全局目标点映射到机器人视野域边界附近作为局部导航子目标,再由两组蚂蚁相互协作完成机器人视野域内局部最优路径的搜索,然后在此基础上进行与其他机器人的碰撞预测与避碰规划。因此,机器人的前进路径不断被动态修改,从而在每条局部优化路径引导下,使机器人沿一条全局优化的路径到达目标点。但其不足是在动态不确定的环境中路径规划时间开销剧增,而且机器人缺乏必要的学习,以至于整个机器人系统路径难以是最优路径。
强化学习[10,11] (又称再激励学习)是一种重要的机器学习方法。它是一种智能体从环境状态到行为映射的学习,使得行为从环境中获得积累奖赏值最大。其原理如图1所示。
强化学习算法一般包含了两个步骤:a)从当前学习循环的值函数确定新的行为策略;b)在新的行为策略指导下,通过所获得的瞬时奖惩值对该策略进行评估。学习循环过程如下所示,直到值函数和策略收敛:
v0π1v1π2…v*π*v*
目前比较常见的强化学习方法有:monte carlo方法、动态规划方法、td(时间差分)方法。其中td算法包含sarsa算法、q学习算法以及dyna-q算法等。其q值函数迭代公式分别为
td(0)策略: v(si)v(si)+α[γi+1+γv(si+1)-v(si)]
sarsa算法: q(st,at)q(st,at)+α[γt+1+γq(st+1,at.+1)-q(st,at)]qs′学习算法: qπ(s,a)=∑pαss′[rass′+γvπ(s′)]
近年来,基于强化学习的路径规划日益成为国内外学者研究的热点。m. j. mataric[12]首次把强化学习引入到多机器人环境中。而基于强化学习的多机器人路径规划的优点主要体现在:无须建立精确的环境模型,简化了智能体的编程;无须构建环境地图;强化学习可以把路径规划、避碰、避障、协作等问题统一解决。
张芳等人[13]提出了基于再激励协调避障路径规划方法,把再励函数设计为基于行为分解的无模型非均匀结构,新的再励函数结构使得学习速度得以提高且有较好的鲁棒性。同时,证明了在路径规划中,机器人的趋向目标和避障行为密切相关,对反映各基本行为的再励函数取加权和来表示总的再励函数要优于取直接和的表示方式,也反映了再励函数设计得合理与否及其确切程度将影响再励学习的收敛速度。王醒策等人[14]在动态编队的强化学习算法方面展开了研究。宋一然[15]则提出了分段再励函数的强化学习方法进行路径规划。其缺点是学习次数较多、效率不高,当机器人数目增加时,它有可能面临维数灾难的困难。所以,基于强化学习的路径规划在多机器人环境下的学习将变得比较困难,需要对传统的强化学习加以优化,如基于人工神经网络的强化学习[16]等。
3)其他方法 除了以上国内外几种比较常见且研究较多的方法外,还有唐振民等人[17]提出的基于动态规划思想的多机器人路径规划,把运筹学中的动态规划思想与dijkstra算法引入到多机器人的路径规划中,用动态规划的基本思想来解决图论中的费用流问题和路径规划中的层级动态联盟问题。其选择距离邻近法作为联盟参考依据。一个机器人的邻居是指在地理位置上分布在这个机器人周围的其他机器人;与该机器人最近邻的机器人为第一层邻居,第一层邻居的邻居为该机器人的第二层邻居, 依此类推。那么层级越高(即越近)的邻居,它满足协作要求的可能性越大。动态规划算法实质上是一种以空间换时间的技术,它在实现的过程中,必须存储产生过程中的各种状态,其空间复杂度要大于其他算法,故动态规划方法比较适合多机器人的全局路径规划。
孙茂相等人[18]提出了最优控制与智能决策相结合的多移动机器人路径规划方法。其首先构造一个以各机器人最优运动状态数据库为核心的实时专家系统, 在离线状态下完成; 然后各机器人在此专家系统的支持下, 以最优规划策略为基础, 采用速度迁移算法, 自主决定其控制。该方法拥有较好的稳定性与复杂度。焦立男等人[19]提出的基于局部传感和通信的多机器人运动规划框架较好地解决了多机器人路径规划在局部在线规划的系统框架问题。沈捷等人[20]提出了保持队形的多移动机器人路径规划。以基于行为的导航算法为基础,把机器人队列的运动过程划分为正常运动、避障和恢复队形三个阶段。在避障阶段,引入虚拟机器人使队形保持部分完整;当队形被严重打乱时,规划机器人的局部目标位姿使队列快速恢复队形。其算法重点为避障机器人进入避障状态,暂时脱离队列,并以虚拟机器人代替避障机器人。
2 多机器人避碰和避障
避障和避碰是多机器人路径规划研究中需要考虑的重点问题之一。避障和避碰主要讨论的内容有防止碰撞;冲突消解、避免拥塞;如何避免死锁。在路径规划中常见的多机器人避障方法[21]有主从控制法、动态优先法(建立在机器人之间的通信协商上)、交通规则法、速率调整法,以及障碍物膨胀法、基于人工势场的方法等。
目前国内外对于多机器人避障展开的研究还不是很多,比较典型的有徐潼等人[22]以th.fraichard的思想为基础,扩充并完善了路径/速度分解方案来协调多机器人,设立集中管理agent进行整体规划,为每个机器人规划路径;并根据优先级规则对运动特征进行分布式规划以避免机器人间的冲突。周明等人[23]提出分布式智能避撞规划系统,将原来比较复杂的大系统转换为相对简单的子系统问题,由各智能机器人依据任务要求和环境变化, 独立调整自身运动状态,完成任务的分布式智能决策体系结构。任炏等人[24]提出了基于过程奖赏和优先扫除的强化学习多机器人系统的冲突消解方法。该算法能够显著减少冲突,避免死锁,提高了系统整体性能。欧锦军等人[25]提出了通过调整机器人的运动速度实现多机器人避碰,将避碰问题转换为高维线性空间的优化问题, 并进一步将其转换为线性方程的求解。该方法的缺点是系统的复杂度较高、计算量太大。
人工势场方法的特点是计算简洁、实时性强、便于数学描述,且适合于多自由度机器人环境,但容易产生抖动和陷入局部极小。为了克服其缺点,景兴建等人[26]提出了人工协调场的方法,在传统排斥力场中增加一个协调力,并将吸引力、排斥力和协调力与局部环境下机器人的运动状态和运动要求结合起来,有效地保证机器人的安全性,提高机器人在复杂动态环境下行为决策的准确性和鲁棒性。
3 多机器人协作和协调机制
多机器人间的运动协调[27~31]是多机器人路径规划的关键,也是多机器人与单机器人路径规划相区别的根本所在。多机器人系统在复杂动态实时环境下,由于受到时间、资源及任务要求的约束,需要在有限时间、资源的情况下进行资源分配、任务调配、冲突解决等协调合作问题,而机器人间的协调与协作,能够大大地提高整个系统的效率和鲁棒性,成为系统完成控制或解决任务的关键。
目前已有的协调方式分为集中式、分布式和混合式三种。在集中式协调中,集中规划器详细地规划出每个机器人的动作,通常的做法是将多个机器人看做一个多自由度的机器人进行规划;而分布式协调规划中,机器人之间进行合作,将一个任务分成多个子任务,根据各自的特点完成不同的子任务,从而共同完成总任务;混合式协调是集中式和分布式混合在一起的形式。
多机器人间典型的协调方法[32]有合同网协议[33]、黑板模型、结果共享的协同方法、市场机制。近年来强化学习在多机器人协作方面也得到很好的应用,陈雪江[32]在基于强化学习的多机器人协作方面展开了研究,提出了多智能体协作的两层强化学习方法来求解在多智能体完全协作、有通信情况下的协作问题。其主要通过在单个智能体中构筑两层强化学习单元来实现:第一层强化学习单元负责学习智能体的联合任务协作策略;第二层强化学习单元负责学习在本智能体看来是最有效的行动策略。陈伟等人[34]提出基于多目标决策理论的多机器人协调方法;通过对环境的拓扑建模,从基于行为的机器人学角度出发,对任务进行分解并设计目标行为,以多目标行为决策理论作为决策支持,从而达到多机器人运动协调的目的。
4 多机器人路径规划方(算)法的判优准则
通常评价机器人路径规划方(算)法的标准文献[35]有正确性、时间/空间复杂度、并行性、可靠性、扩展性、鲁棒性和学习。而多机器人的路径规划除了以上一些衡量标准之外,还需要考虑整个系统的最优化以及机器人间的协调性。
1)正确性 是分析算法的最基本的原则之一。一般来说算法的正确性是指:在给定有效的输入数据后,算法经过有穷时间的计算能给出正确的答案。但在多机器人路径规划算法中,正确性主要指:路径规划算法要生成多个机器人协调运动的无碰安全路径;这条路径是优化的。
2)安全性 一般指多机器人所生成的各路径中节点与障碍物有一定的距离。但在实际的应用背景下,有人认为安全性可以从两个方面来理解:a)狭义地讲,它就是机器人在行走过程中所做的功。在一定的条件下,它与路径长度准则是一致的。b)广义地讲,它是各种优化条件加权综合而得到的结果。
3)复杂度 一个算法的复杂性高低体现在该算法所需要的计算机资源的多少上面。所需要的资源越多,该算法的复杂性越高;反之,所需要的资源越少,该算法的复杂性就越低。算法的复杂性包括时间复杂度和空间复杂度。
在多机器人的路径规划算法中,算法的复杂度分析显得尤为重要。一般地,单机器人路径规划算法的时空复杂度已经颇高,它们的数量级至少是o(n2);多机器人的路径规划算法不仅是m-o(n2)(即m个机器人路径规划简单地叠加),它们之间还存在着对运动空间竞争的冲突,面对不断变化的冲突的协调需要花费大量的时间和空间。通常多机器人的路径规划算法与机器人的个数呈指数关系o(km×n2)(k为常数)。这对多机器人路径规划算法的时间/空间复杂度控制是一个很严峻的考验。
4)并行性 算法的并行性从算法设计、编写程序、编译和运行等多个不同的层次来体现。路径规划过程需要大量的计算,当处理的环境比较复杂,机器人工作的环境过于紧凑,尤其是机器人数量很多时,算法的时间/空间复杂度势必会成为算法效率的关键。因此,在算法设计和运行上的并行性是通常考虑的方法。对多个机器人的路径规划尽量采用分布式多进程的规划机制,以实现每个机器人路径规划的并行性。
5)可靠性 把多个机器人及其工作环境看成是一个系统,多机器人处于它们各自的起始点时,称该系统处于初始状态;当它们处于各自的目标点时,称该系统处于目标状态。多机器人的路径规划就是在该系统的这两个状态间建立一串合理的状态变迁。这一状态变迁过程可能会历经许多状态,如果在状态变迁过程中,路径规划算法控制不好各状态间的转移关系,就会导致系统紊乱,出现机器人间的碰撞、找不到路径等恶性后果,使任务失败。所以这就对算法的可靠性和完备性提出了挑战。为了很好地克服这一困难,需要对系统的各种可能状态建模,分析它们相互间的关系,建立有限状态自动机模型或petri网模型,并以此为指导,按照软件工程的思想,构造恰当的算法输入来对算法的可靠性进行检验。
6)可扩展性 在多机器人的路径规划算法中,可扩展性主要是指一种路径规划算法在逻辑上,或者说在实现上能否容易地从2d空间扩展到3d空间,从低自由度扩展到高自由度,从较少的机器人数到更多的机器人数。可扩展性在各种路径规划算法之间没有一种量的比较标准,只能从实际的具体情况出发、从对环境描述的适宜程度出发、从算法解决这一问题的复杂度出发、从算法本身的自适应出发等来考虑。
7)鲁棒性和学习 鲁棒性对于多机器人系统非常重要。因为许多应用,如路径规划要求连续的作业、系统中的单个机器人出现故障或被破坏,要求机器人利用剩余的资源仍然能够完成任务。学习是在线适应特定的任务。虽然通用的系统非常有用,但将它用于特定应用上时,通常需要调整一些参数。具有在线调整相关参数的能力是非常吸引人的,这在将体系结构转移到其他应用时可以节省许多工作。尤其是多机器人系统中机器人的自身学习和相互间的学习能够大大提高整个系统的效率和系统的稳定性。
8)最优化 对动态环境有优化反应。由于有些应用领域涉及的是动态的环境条件,具有根据条件优化系统的反应能力成为能否成功的关键。
5 结束语
综上所述,国内外研究者在多机器人路径规划取得了一些成果,但是在协作、学习、通信机制等方面仍面临很大的困难和不足。如何进一步提高机器人间的协调性,增强机器人自身以及相互间的学习以提高多机器人系统的效率和鲁棒性都有待深入研究。近年来无线通信技术得到长足发展,但在目前的技术条件下,在多机器人系统中实现所有机器人之间的点对点实时通信还有较大困难,这也是大多数多机器人系统仍然采用集中通信方式的主要原因。因此,如何降低多机器人系统对通信速度的依赖程度也是一个非常重要的问题。
总之,多机器人路径规划设计和实现是一项极其复杂的系统工程,展望其能在结合计算智能方法,如差分进化、遗传算法、粒子群算法、免疫算法、模糊逻辑算法、bp网络、人工势场的改进、模拟退火和环境建模方法等方面取得新的突破。
参考文献:
[1]weiss g.multiagent systems:a modern approach to distributed modern approach to artificial intelligence[m].cambridge, massachusetts:mit press,1999:121-161.
[2]蔡自兴,徐光祐.人工智能及其应用:研究生用书[m].3版.北京:清华大学出版社,2004:124-198.
[3]谭民,王硕,曹志强.多机器人系统[m].北京:清华大学出版社,2005:6-81.
[4]薄喜柱,洪炳熔.动态环境下多移动机器人路径规划的一种新方法[j].机器人,2001,23(5):407-410.
[5]顾国昌,李亚波.基于总体势减小的动态调度技术解决多机器人的路径规划[j].机器人,2001,23(2):171-174.
[6]孙树栋,林茂.基于遗传算法的多移动机器人协调路径规划[j].自动化学报,2000,26(5):672-676.
[7]周明,孙树栋,彭炎午.基于遗传算法的多机器人系统集中协调式路径规划[j].航空学报,2000,21(2):146-149.
[8]cai zixing,peng zhihong.cooperative coevolutionary adaptive genetic algorithm in path planning of cooperative multimobile robot systems[j].journal of intelligent and robotic systems:theory and applications,2002,33(1):61-71.
[9]朱庆保.全局未知环境下多机器人运动蚂蚁导航算法[j].软件学报,2006,17(9):1890-1898.
[10]sandholm t w,crites r h.multiagent reinforcement learning in the iterated prisoner’s dilemma[j].biosystems,1996,37(1):147-166.
[11]高阳,陈世福,陆鑫.强化学习研究综述[j].自动化学报,2004,30(1):
86-100.
[12]mataric m j.interaction and intelligent behavior[d].massachusetls:department of electrical engineering and computer science,mit,1994.
[13]张芳,颜国正,林良明.基于再励学习的多移动机器人协调避障路径规划方法[j].计算机工程与应用,2003,39(3):80-83.
[14]王醒策,张汝波,顾国昌.多机器人动态编队的强化学习算法研究[j].计算机研究与发展,2003,40(10):1444-1450.
[15]宋一然.基于强化学习的多机器人路径规划方法[j].莆田学院学报,2006,13(2):38-41.
[16]韩学东,洪炳熔.基于人工神经网络的多机器人协作学习研究[j].计算机工程与设计,2002,23(6):1-3.
[17]唐振民,赵春霞,杨静宇,等.基于动态规划思想的多机器人路径规划[j].南京理工大学学报,2003,27(5):610-615.
[18]孙茂相,周明,王艳红,等.多移动机器人实时最优运动规划[j].控制与决策,1998,
13(2):125-130.
[19]焦立男,唐振民.基于局部传感和通讯的多机器人运动规划框架[j].计算机工程与应用,2007,43(17):89-93.
[20]沈捷,费树岷,郑波.多移动机器人保持队形路径规划[j].东南大学学报,2005,35(3):391-395.
[21]mansor m a,morris a s.path planning in unknown environment with obstacles using virtual window[j].journal of intelligent and robotic systems,1999,24(3):235-251.
[22]徐潼,唐振民.多机器人系统中的动态避碰规划[j].计算机工程,2003,29(17):
79-81,104.
[23]周明,孙茂相,尹朝万,等.多移动机器人分布式智能避撞规划系统[j].机器人,1999,21(2):139-143.
[24]任炏,陈宗海.基于强化学习算法的多机器人系统的冲突消解的方法[j].控制与决策,2006,21(4):430-434,439.
[25]欧锦军,朱枫.一种多移动机器人避碰规划方法[j].机器人,2000,22(6):474-481.
[26]景兴建,王越超,谈大龙.基于人工协调场的多移动机器人实时协调避碰规划[j].控制理论与应用,2004,21(5):757-764.
[27]panait l,luke s.cooperative multiagent learning:the state of the art[j].autonomous agents and multiagent systems,2005,11(3):387-434.
[28]tzafestas c s,prokopiou p a,tzafestas s g.path planning and control of a cooperative three robot system manipulating large objects[j].journal of intelligent and robotic systems,1998,22(2):99-116.
[29]薛宏涛,叶媛媛,沈林成,等.多智能体系统体系结构及协调机制研究综述[j].机器人,2001,23(1):85-90.
[30]周风余,李贻斌,宋锐,等.基于混合式多智能体系统的协作多机器人系统研究[j].山东大学学报:工学版,2005,35(1):82-87.
[31]夏冰,张佐,张毅,等.基于多智能体系统的动态路径选择算法研究[j].公路交通科技,2003,20(1):93-96.
[32]陈雪江.基于强化学习的多机器人协作机制研究[d].杭州:浙江工业大学,2004.
[33]smith r.the contract net protocol:highlevel communication and control in a distributed problem solver[j].ieee trans on computer,1980,c-29(12):1104-1113.
关键词:物流系统;智能化;车辆路径;规划
中图分类号:P208 文献标识码:A 文章编号:1007-9599 (2013) 02-0000-02
1 概述
物流产业随着基础工业的不断壮大及消费市场的蓬勃发展而快速兴起。而中国的物流企业不论从技术装备还是管理水平与国外仍存在较大差距,概括起来有一下几个方面:对现代物流理念上的差距,企业规模方面的差距,社会需求方面的差距,管理体制方面的差距,专业手段方面的差距,专门人才方面的差距。据对美国物流业的统计与分析,以运输为主的物流企业年平均资产回报率为8.3%(irr),仓储为7.1%,综合服务为14.8%。在中国大部分物流企业的年平均资产回报率仅为1%。这一数据,不仅说明了中国物流效率低下,同时企业仍有很大的空间通过物流来降低成本。
如何应用先进的技术手段来提高物流业的经营效率,及时高效、经济地将商品配送到客户手中,成了大家探讨的话题,这也就是现代物流领域中备受关注的车辆路径问题(vehicle routing problem,VRP)。物流配送路径规划的优化与否,对物流配送效率、费用和服务水平影响较大。而此类问题都涉及如何处理大量的空间数据与属性数据而缩短物流时间、降低成本的问题。
地理信息系统作为不仅具有对空间和属性数据采集、处理和显示功能,而且可为系统用户进行预测,监测、规划管理和决策提供科学依据。它可以有效的结合最优路径、各种VRP模型、车辆行驶成本等要素,在可视化分析以及物流规划路径分析等方面具有不可替代的作用。GIS技术与现代物流工程技术相结合,给现代物流行业提供了巨大的发展空间,为物流企业完善管理手段、减低管理成本、提高经济效益、最终提升核心竞争力提供了机遇。
2 技术实现途径研究
物流配送车辆路线优化问题由Dautzig和Ramser于1959年首次提出,该问题一般定义为:对一系列给定的顾客(取货点或送货点),确定适当的配送车辆行驶路线,使其从配送中心出发,有序地通过它们,最后返回配送中心。并在满足一定的约束条件下(如车辆容量限制、顾客需求量、交发货时间等),达到一定的目标(如路程最短、费用最少等)。配送中心的每次配送活动通常面对多个非固定用户,并且这些用户分布在不同的地点,同时他们的配送时间和配送数量也都不尽相同。如果配送中心不合理规划车辆、货物的运输路线,常会影响了配送服务水平,还会造成运输成本的上升,因此对车辆及货物的配送路线进行规划是配送中心的一项重要工作。
车辆路线优化问题一般可根据空间特性和时间特性分为车辆路线规划问题和车辆调度问题。当不考虑时间要求,仅根据空间位置安排车辆的线路时称为车辆线路或车辆路径规划问题(VRP)。当考虑时间要求安排运输线路时称为车辆调度问题(VSP)。本文不考虑时间要求,主要针对第一类VRP问题,提出相应的技术实现方案研究。
典型的VRP具有以下特征:(1)所有车辆从仓库出发,并最终回到仓库;(2)所有车辆必须满足一定的约束;(3)多辆车负责多个客户;(4)每个客户由一辆车访问一次;(5)车辆的路线上可以取送货。目前研究的车辆路线规划的模型主要有两类,一类为网络图模型,另一类为数学模型。由于VRP难以用精确算发求解,启发式算法是求解车辆运输问题的主要方法,多年来许多学者对车辆运输问题进行了研究,提出了各种各样的启发式方法。
物流公司的业务一般具有配送范围广的特点,本文主要针对大范围跨省配送的案例进行智能路径规划,因此影响因素较多,主要包括:(1)大范围、跨省的配送交通网络图;(2)复杂的车辆运作规则,包括运行时间、运载能力、运行成本计算、驾驶员工作时间限制等;(3)复杂的道路选择优先级;(4)复杂的运输车辆优先级;(5)客户订单及运输车辆数据;(6)取货及分发过程;(7)繁杂的配送规则,如仓库、货物、客户的时间等;(8)运输车辆的重复利用,要求同一辆车在符合多个约束条件下尽可能多的参与到不同路线的配送中。
本文主要基于ArcObjects的网络分析和地图展示等组件进行二次开发,同时对其提供的车辆路径规划算法进行了拓展性研究。
3 功能模块设计方案
3.1 软件架构设计
系统建设遵循SOA架构,由数据资源层、组件层、服务层和表现层组成。数据资源层包括各种数据库、关系型数据库和空间数据库引擎ArcSDE,实现对物流业务数据的存储和管理;组件层包括接口协议、GIS组件、其他中间件;服务层实现计算功能,接受表现层的请求进行计算;表现层采用多种形式展现分析结果。
3.2 软件功能设计
本系统是物流业务管理系统的一部分,主要提供历史数据管理模块、线路优化分析模块、地图操作模块,同时提供与其他相关业务系统的扩展功能。
(1)线路优化分析模块
线路优化分析模块是系统的关键,提供两种分析结果:一种是基于AO自带的网络分析模块设计,计算分析结果;另一种是历次根据具体路况等信息的实际调度结果。
实际调度结果来自车辆GPS监控数据,并将实际调度结果作为输入,用来校正线路优化分析方法,最后生成最优路径规划。
(2)地图展示模块
地图展示模块,在配送交通网络图上展示道路基本信息、周边环境、仓库及客户地点、车辆位置信息等。同时将各种车辆路径规划分析结果以地图形式展示。基于ArcGIS提供的基础地图操作功能,实现地图缩放、浏览、鹰眼、图层控制、测量、选择、标注、信息查询等功能。
(3)历史数据管理模块
历史数据管理主要存储历史客户订单数据、实时路况信息、历史路径规划分析结果、实际运输路径等,可支持对历史数据的查询和修改。
(4)扩展功能模块
提供与其他相关业务系统、车载GPS设备、车辆监控设备等的接口,便于系统的扩展。
3.4 数据库设计
本系统中涉及的数据库主要包括元数据库、基础地理空间数据库、业务数据库、分析模型数据库、历史数据库等。
4 结束语
本文将物流车辆路径规划理论算法的研究与地理信息系统的网络分析模块相结合,经过二次开发,形成了用于实际的物流车辆路径规划信息系统。另外车辆路径规划设计约束较多,本文中不考虑时间要求,仅根据空间位置安排车辆的线路,同时不考虑装箱问题。
车辆路径规划问题是现代物流业的热点问题,但是基本停留在理论算法层面,随着技术的不断进步,必然出现考虑更多约束的先进算法,希望将这些算法真正与现代物流业结合,那将会是一个跨越式的进步。
参考文献:
关键词:SDN;Openflow;Mininet;Floodlight
DOI:10.16640/ki.37-1222/t.2017.08.229
1 引言
伴随网络信息技术的迅猛发展,传统的基于Ethernet和TCP/IP的网络因为其设计的松散性和简单性的特征,使得其在Internet得到了规模化应用和快速发展,然而随着Internet的应用日益深入和广泛和使用规模的不断扩大,Internet的结构和功能日趋复杂,传统网络与生俱来的缺陷逐渐呈现并且爆发起来。
传统网络架构设计的数据中心网络中,由于传统网络的纯分布式控制特点,管理者无法从全局角度指定数据包的整体路径,只能通过包头标识符的方式对数据包进行有限约束或优化。SDN(Software Define Network 软件定义网络)作为一种新的网络架构概念,具有控制和转发分离实现了逻辑集中控制、开放式编程接口,从而解决传统网络中的问题,为这些路径控制不明确的问题提供了新的解决思路和方案。
本文的目的是通过在SDN新网络架构下使用OpenFlow技术来研究低负载条件的数据中心网络架构中的SDN实时路径规划问题。
2 基于SDN的实时路径规划的设计
2.1 网络拓扑
采用对称的Fat-Tree网络模型来分析问题,对称的Fat-Tree网络模型简便易行,胖树架构下,网络带宽不收敛,胖树网络则更像是真实的树,越到树根,枝干越粗,即:从叶子到树根,网络带宽不收敛,适合用来说明和解决问题。
2.2 系统设计思路
根据系统的功能性与非功能性需求分析,将本系统划分为4大功能模块:控制器交互模块、人机交互模块、路径选择模块、流量分析模块。
控制器交互模块:控制器交互模块分为三个子模块:Topo信息获取、Topo信息处理、转发控制。
人机交互模块:人机交互模块可分为图形界面设计、Topo显示、用户输入、转发路径输出共四个子模块。
路径选择模块:路径选择模块是本系统的计算核心,实现对数据包转发路径的计算。本模块可以划分为最短路径选择、最优路径选择两个子模块。
流量分析模块:流量分析模块必须具备如下两个核心功能:第一个是验证转发层是否在Ryu控制器的控制下按照路径选择模块计算出的转发路径转发数据包;第二个是监控整个Fat-Tree网络Topo中的流量。
2.3 软件体系结构
其中使用了跨平台的B/S结构,实现了PC/Mobile的平台兼容性,后台使用Flask作为Web框架,利用Nginx来进行py文件的渲染。在Ryu/Ryu和Mininet的环境下搭建拓扑,并读取数据,Application端的软件完全采用面向对象的方式来实现,极大的提高了`活性和可扩展性,为软件功能的扩充带来了方便。
2.4 应用场景介绍和特性总结
通过平台搭建和后台编程,最终实现了基于SDN的实时路径规划,总结起来应用场景有如下两个特征:
第一个是OpenFlow将控制功能从网络设备中分离出来,在网络设备上维护流表(flow table)结构,数据分组按照流表进行转发,而流表的生成、维护、配置则由中央控制器集中管理,灵活性和扩展性更高,从而加速网络部署周期。
第二个是可以通过中央控制器灵活地进行动态管理和配置,可在不影响传统网络正常流量的情况下,在现有的网络中添加规则,降低了网络复杂度。
综上所述,本文提出的实时路径规划需要加入动态路径规划(DP)模块的RYU控制器,DP模块可以读取整个网络的流量分布,并且可以根据策略对交换机进行流表配置。为交换机设置具有带宽控制的队列,每个队列可以设置经自己转发的包的最大最小带宽,以及对链路的占用时间。配置路径选择策略,控制器的DP模块根据策略建立每个交换机的流表配置,并写入交换机。
3 小结
本文分析和总结SDN相关的发展历程,分析基于SDN的实时路径规划中的各个核心问题,基于SDN的数据中心网络实现逻辑和控制分离,结合本文相关工作总结SDN有如下三个优点:1.集中高效的网络管理和运维维护;2.灵活的组网和多路径转发;3.智能虚拟机部署和迁移,解决当前数据中心网络集中自动化管理,多路径转发,绿色节能问题。
概而言之,SDN网络能力是开放和虚拟化有效实现数据中心容量提升,虚拟机智能部署和迁移,大规模虚拟租户需求,目前SDN技术还不成熟,多控制器控制机制的研究也将是下一个重要研究领域。
参考文献:
[1]范伟.软件定义网络及应用[J].成都:中国电子科技集团,2013.
[2]罗正华.可编程的网络――软件定义网络[D].成都:成都大学,2013.
[3]毕军.SDN体系结构与未来网络体系结构创新环境[D].北京 :清华大学,2013.
【关键词】电网规划;路径优化线路
近年来电力系统变革迅速,随着环境保护意识的增强,电网空间规划需要解决新的挑战,这些新挑战主要包含如下几点:决策分散性使得电网规划协调难度增加;光伏、风电等分布式能源的接入使得电网规划出现了越来越多的不确定性;电网的规划、电网建设模型以及求解受到环境等方面的变换影响很大。
1 传统算法及原理
(1)运用遗传计算方法II、经络和round模拟技术,考虑风电接入等效应。(2)采取基于混合整数的多种线性规划方法对目前市场下长期多目标的电网规划问题进行解决。(3)从新定义碳的排放以及预测的模型,根据动态碳排放量建立电网规划的模型。(4)制定环境友好型的电网规划,建立双重指标体系与相关评估模型,从而对局势进行协调与求解。(5)建立恶意攻击或撞击的模拟模型,电网的扩展方式以风险大小为依据。同时,考虑各方面的成本因素,将电网规划、线路路径优化等方法与原有方法进行相互比较,可以获得一种新型电网规划方法。
以上方式仍然存在弊端:拘束条件“维数灾”,方法的提出仅仅可以解决小范围内电网在空间规划的问题;忽略了电网损坏造成的损失;变电站位置的选择没有考虑在内。根据存在的弊端,本文建立了新的模型。传统的分析方法是分析上层规划及排列形式,但是下层要解决的关键在于线路路径的优化方面。此模型提出的遗传算法以及运用的动态规划法在相互结合的情况下,可以有多种优化方法。遗传算法具有比较广的适应性以及比较强的鲁棒性,可以和其它算法相互结合,从而为电网规划问题提供合适的算法。采用动态规划法对路径优化问题进行求解,可以充分利用其速度快和精确度高的计算特点。当两种方法结合,可以将其最大计算优势发挥出来,从而实现空间电网规划求解质量与效率的有效提高。
2 空间电网规划采用的“位置图像栅格化表示”
通过应用文献,能够把带有环境的信息地图进行划分为NR×NC 的栅格图表,其中根据排列组合知Ci,j 含义为第i 行的第j 列的数字。假定其中有一栅格,在N个栅格当中,可以采取神经网络方法或者模式识别法来对栅格线路路径的相关耗资成本进行计算,同时可以根据实际情况进行更正完善。
路径通过一个栅格,能够通过往邻近栅格方向移动,移动栅格数量为8,标注栅格用来表示八个栅格的移动方向,两个栅格间距为
。它们分别代表水平间距以及高差。
研究地图格栅化模型,根据其相似性可以将其引用到电网建设上来,进而通过格栅的排列组合运算来计算电站综合成本,计算出新建变电站的综合成本。格栅化模型可以作为核算成本的一个重要模型。
3 新模型理论基础“空间的电网规划方式”
3.1 空间电网上层问题分析
首要问题是为新模型制定目标结果函数,由于空间电网规划属于上层问题,也就是传统电网规划问题,为的是确立即将进行建设的候选线路以及变电站位置。因此首先需要满足电网对电荷载的承载,其次考虑运营和投资建设成本最优化。上层问题解决目标函数,根据逻辑运算关系可以得到:
其中:e年均电价格;Tmax 损耗的最大荷载的时长以小时为单位;t 为年度index;NT 投资年回收限制; 为年收益率;Ploss 为有功网损;Nw 为新建变电站数目;w 为新建变电站索引;(iw,jw)表示变电站建设在Ciw, jw上;F2 为线路投资成本,由下层问题得到。
3.2 满足条件
(1)功率平衡原理公式
其中:n 、m 是节点index;Pn 和Qn 分别是节点n 的有功W和无功W注入;Gnm 和Bnm 分别是节点的导纳阵中的电导以及电纳;Wnm 是节点角度差。
(2)潮流等式(线路)
式中:l 为支路index;Pl、Ql 和Sl 分别为支路l 上的有功W、无功W和视在W;UlF和UlT分别为支路l 首末节点电压;Rl 和Xl 分别为支路l 的电阻和电抗;Gl 和Bl 分别为支路l 的对地电导和电纳;lFlT为支路l 首末节点之间的相角差。
(3)节点电压约束
式中:NB 为候选线路数目,候选线路的索引范围为1lNB;NS 为已有支路数目,已有支路索引范围为NB
3.3 空间电网规划下层问题分析
确定最终计算下次函数式为首要问题。对下层问题进行解决,就是要对线路路径优化进行解决,最终是为了得到最小化每条线路耗费的成本,如下方程式所列。
l {(i, j,d)如果线路l在Ci, j上选择方向d}
其中:
l 为线路l 选中栅格及其上方向的集合;Di,j,d为线路在栅格Ci,j 方向d 上的长度。
3.4 限定条件
(1)路径参数公式
其中:Rl,0 和Xl,0 分别代表线路l 单位长度线路的电阻以及电抗值;Gl,0 和Bl,0 分别代表线路l 中单位长度对地电导和电纳值;sl 为线路l 的长度。
(2)栅格上投建线路条数约束
式中:zl,i,j 表示线路l 是不是经过Ci,j,1 表示是经过,0表示不是经过;Zi,j 为Ci,j 可以投建的线路条数的最多数。上下层的问题是通过限制(4)、(5)、(10)和(11)条件进行结合的,它代表的意思即上层问题判别候选路径能否运营。
凭借限定条件可以确立电站的位置,也就是说通过它可以判定线段的端点;候选线路与相关线路端点的投建主要由上层决定,而下层的解决对象即基于前者而滞留的线路路径优化,以进行最合适路径的选取以及建设成的电气相关参数的大小调整。
3.5 新模型计算方法
引入混合优化算法,用遗传算法确定选址,同时结合动态算法来运算,以达到优化路径的目的。所以,需要不断运用动态算法,栅格多时候会导致计算变慢。如果端点不变,路径也不会变,从而最优化路径就不变。因此,通过增加记忆体,使得算法在经常计算的路径里保持纪录路径。通过纪录路径要素,来完成记忆提的作用。优化路径有利于进一步节约计算所需要的时间,效率可以得到提高,采用记忆机制来完成计算的路径优化和快速计算。分析采用这种方式跟实际情况的差别,可知因电网的规划采用的离线变量分析方法,所以不要求及时算出结果,虽然计算耗费了时间,但是这种算法比较符合实际情况。
4 结论
通过比较老式算法与新算法的差别,本文归纳出的空间电网合理规划方法可以获取比较精确而且更加合理的规划结果,通过计算比较,有以下几条结论:
(1)栅格之间高度的差值对会影响到规划电网,所以只有将二维电网转化成三维电网才更合理、更贴近实际。
(2)线路的优化、网架优化以及变电站位置的选取可以在很大程度上影响电网的投资及成本,三方面的完善有利于获取更优的规划结果。
(3)记忆的引入和新方法的提出可以解决比较大规模空间的电网规划问题,使得规划方式更合理、更优化。
参考文献:
关键词:高校辅导员;职业化路径;职业生涯规划;理论研究
一、高校辅导员职业发展现状分析
职业生涯规划是指个人结合自身各方面条件对自己未来的工作职业以及职务发展方向和路径进行设计和规划,并为实现职业目标而付诸行动的过程[1]。高校辅导员是大学生管理工作的重要力量,然而一份高校辅导员职业发展现状调查报表显示(下表1),高校辅导员的角色存在着诸多问题。首先,高校辅导员岗位流动性大,缺乏稳定性,这是当前大多数高校辅导员队伍存在的普遍现象。很多毕业生因为学历不够而将辅导员这样职业当成进入高校任职的垫脚石,而且入职后的主要精力和心思都没有放在辅导员工作上。相关调查统计显示,超过半数以上的高校辅导员任职时间不到5年,由此可见高校辅导员队伍流动性大。其次,职业定位不明确。高校辅导员具有教师和干部双重身份,不仅要承担学生的思想政治教育工作,同时也涉及到学生的学习、生活、社会实践、就业等等方面,另外还要参与行政和教务管理工作。高校辅导员是学生教育和管理的骨干力量,但一直以来都没有明确的职业定位,被认为是哪里需要哪里搬的“万金油”。高校辅导员在工作中扮演着“勤务兵、调解员、救护员、心理辅导员”等各种各样的角色,一天到晚都奔波于学生的各种琐事,似乎就是一个人人都可以担任的“打杂角色”。第三,高校辅导员的专业性不强。日益严峻的社会就业压力让很多毕业研究生不得不从事辅导员工作,而且辅导员工作又及其琐碎,很难提高辅导员的工作积极性,缺乏自我提高意识,再加上进修机会少,导致岗位专业性不强,职业水平低,无法满足学生管理需求。
二、高校辅导员职业生涯规划的意义
高校辅导员的职业化、专业化是改变高校辅导员职业发展现状必经之路。首先,高校辅导员职业生涯规划是社会发展的需要。一方面,在国际激烈竞争的环境下,国家的和平发展强大需要有强有力的思想政治作为支撑,高校大学生是祖国的未来,是民族复兴的希望,所以对大学生的思想政治教育非常重要,大学生思想政治教育为了给祖国的崛起提供思想政治保障,高校辅导员作为大学生思想政治教育者就必须要不断提升职业能力。另一方面,国家的改革发展离不开思想政治教育,当前是我国改革发展的关键时期,急需培养一批思想素质过硬的优秀人才,进一步反应了高校辅导员职业生涯规划的必要性。其次,高校辅导员职业生涯规划是教育改革以及高校发展必然要求。国家的发展以及民族的伟大复兴要以教育为基础,以人才为核心,以科技为手段,所以高校教育的人才培养质量是一个非常重要的问题。高校教育质量的提升对高校辅导员队伍的专业化、职业化提出了要求,高校辅导员职业化是辅导员队伍稳定性的重要保障,更是高校培养优秀人才的切实需要。另一方面,高校辅导员职业生涯规划是促进大学生成才的切实需要。高校辅导员职业化、专业化有利于实现思想政治教育与文化知识学习相结合、社会实践与创新思维相结合、学生个性发展与全面发展相结合,所以高校辅导员具备良好的职业素质是推进高校“三结合”,引导学生成才的必要条件。
三、高校辅导员职业规划的目标
高校辅导员职业生涯规划的目标主要体现在3个方面,大学生思想政治教育、高校辅导员队伍建设以及高校辅导员个人职业发展。首先,思想政治教育一直以来都受到高度重视,尤其对当代大学生的思想政治教育更是提出了更高要求,党中央国务院并提出了“大学生思想政治教育的指导思想、基本原则、主要任务、方法途径和要求”等纲领性文件,同时着重阐述了“如何提高思想政治教育工作队伍的素质和能力,形成做好大学生思想政治教育工作的骨干力量”的问题,所以要加强大学生思想政治教育,就必须要稳定高校辅导员队伍,这是大学生思想政治教育的战略需要。其次,在辅导员队伍建设方面,可以采取的措施是通过选聘、能力评价、激励等制度引进优秀人才加入到辅导员队伍当中,提高队伍整体素质,优化队伍结构。二是解决辅导员队伍流动性大的问题,不让辅导员再被认为是一个过渡性岗位,建设制度和政策保障。再次,辅导员个人发展是高校辅导员职业规划的一个重要目标,一是要提高自身素质,激发职业潜能,以便实现自身的可持续发展。二是明确发展方向,实现自我价值,高校辅导员结合自身条件找到适合自己的职业目标和职业路径,可以让辅导员充分发挥自己的优势和潜能,努力实现自身价值的持续增值。从下图1所示,高校辅导员有着非常广阔的职业发展前景。
四、高校辅导员职业规划的的路径分析
高校辅导员职业生涯规划的实施需要多方面的支持和保障,一是政府要为高校辅导员职业生涯规划提供政策支持,为辅导员职业创造良好的社会环境和从业氛围,充当高校辅导员职业生涯发展的靠山。二是各高校结合自身情况制定可行、有效的辅导员职业化实际方案,为高校辅导员职业生涯规划创造条件,保证辅导员队伍的稳定性。三是高校辅导员要充分发挥主观能动性,以高度认真的态度对待个人职业发展。
1、为高校辅导员职业生涯规划提供政策保障
要实现高校辅导员职业生涯发展,国家和各级政府提供的政策支持是非常重要的。国家国务院在早年前就对高校辅导员的培养以及职业发展给出相关指示“要统筹规划专职辅导员的发展。鼓励和支持一批骨干攻读相关学位和业务进修,长期从事辅导员工作,向职业化、专家化方向发展。要把专职辅导员队伍作为党政后备干部培养和选拔的重要来源,根据工作需要,向校内管理工作岗位输送或向地方组织部门推荐”。并且提出专职辅导员要纳入学校教师培训计划,为辅导员提供在职攻读学位以及业务进修机会,并鼓励辅导员参与科学研究,探索大学生思想政治教育方法。由此可见国家对高校辅导员培养的重视。高校应在政府政策支持的基础上制定具体制定、措施,已推进高校的改革发展。首先,高校应对辅导员队伍建设给予高度重视,通过提高准入条件优化辅导员队伍结构,提高职业素质。辅导员招聘过程中要对应聘人员的专业、职业素质严格要求,避免出现专业不匹配的现象,以免影响辅导员工作的正常开展。其次,高校要对辅导员的培训管理给予高度重视,适当增加培训时间,并采用多样化培训方式,保证培训内容的全面化、系统化,同时让辅导员享受各项鼓励政策,为辅导员提供在职学习、进修、加薪、晋升的机会。
2、高校辅导员队伍的建设
(1)专业化建设
专业化建设是指高校辅导员队伍建设发展过程中要明确专业定位,要求从业人员有良好的专业素养,学校应制定完善的高校辅导员培训和管理制度,同时确定辅导员的社会地位。高校辅导员是大学生的思想政治教育者,但当前很多年轻辅导员没有思想政治专业背景,确定思想政治教育能力,所以高校辅导员再部署过程中要充分考虑专业配套问题,辅导员凭借自身专业优势可以实现教师与学生之间的无障碍沟通,提高工作效率。高校方面应加强对辅导员的培训,加大经费投入,为辅导员提高学习和进行的机会。在学习和培训方法,学校要要紧跟时代潮流,充分利用互联网互动平台以提高学习效果。为了培养辅导员职业素养,学校应鼓励辅导员参与课堂教学以及科学研究,为辅导员的能力提高创造机会。
(2)职业化建设
高校辅导员队伍的职业化建设要求辅导员具备从业条件,并且有专门的培养和管理制度,同时也被当做是一种可以获取薪酬的经济来源[6]。高校辅导员职业化有职业标准以及职业道德两方面要求,要求辅导员热爱学生工作,具有一定人格魅力,了解学生的心理特征,能够成为学生的知心朋友。辅导员要进一步明确工作职责,培养学生的自我教育能力和自我管理能力,引导学生成长成才。高校辅导员职业化离不开职业规划,高校应为辅导员职业生涯规划创作有利条件,组织职业规范方面的交流,并加强培训,要求辅导员不仅要具备对本职业的规划能力,同时还要有指导大学生进行职业规划的能力。高校辅导员的专业化、职业化是实现辅导员职业稳定性的有效途径,高校应制定完善的激励制度,为辅导员创造优越的工作条件和工作环境,让辅导员清晰看到自己的职业发展方向,提高工作积极性,以保证辅导员队伍的稳定性。
3、辅导员要进行自我管理
高校辅导员要明确自身的工作职责,端正工作态度,对自己的兴趣、爱好、特长以及从业能力进行分析,找到自己与辅导员职业自己存在的差距,并根据学校和职业的发展目标制定发展策略,注重自学性、终身性学习,将学习当成一个长久性、终身化任务,不断学习专业知识,加强各方面能力,实现自我提高、自我完善,为辅导员的专业化、职业化做好准备,同时这也是辅导员职业化发展的必然要求。
结论
以上从辅导员职业生涯规划的意义、目标以及实施路径对高校辅导员职业生涯规划理论的简单探讨,高校辅导员职业生涯规划是社会发展的需求,是教育改革的必然要求,高校辅导员职业生涯规划的实施需要政府的政策支持,需要学校制定职业化实际方案,同时还要辅导员进行自我管理。高校辅导员职业生涯规划是稳定辅导员队伍,提高辅导员职业素质的重要途径,同时也满足了现代化教育的需求。
参考文献:
[1]黄炳辉.高校学生辅导员职业生涯规划探析[J].黑龙江高教研究,2006,(12):78-80.
[2]孙延.高职院校辅导员职业生涯规划与职业发展的对策研究[J].价值工程,2011,30(21):281-282.
[3]谢云锋.整合多种优势,发展自身特色,提升育人能力——对辅导员职业生涯规划的思考[J].价值工程,2011,30(30):231-233.
[4]高国希,刘承功,陈郭华等.如何认识辅导员职业发展与职业生涯规划[J].思想理论教育导刊,2009,(6):115-119.
[5]曹青.浅析高校学生辅导员职业生涯规划的定位[J].东方教育,2014,(z1):88-88.
我们知道,课题研究是一个假设与验证的过程,教科研课题研究的质量,需要在明确研究内容的前提下,设计出切实可行的研究过程,才能开展有一定深度的研究活动。笔者结合自身实践,对课题研究过程设计的问题谈两点思考。
一、哪些内容是课题研究过程设计时需要考虑的?
所谓课题研究过程,是指为完成课题研究工作而经历的程序、阶段。课题研究的过程设计,也就是指研究者根据一定的研究内容和研究目标,对课题研究活动作出安排的预设程序。它是课题研究方案的重要组成部分,既是对研究内容、研究阶段、研究方法、研究成员等诸多要素进行分析与思考的结果,更是一个根据研究假设调动各类资源进行实践的过程。
研究内容往往是课题研究过程设计的基本依据。不同的内容,其研究程序也是有所区别的。如课题“小学生家庭作业习惯调查及对策研究”,其研究程序一般先要有相应的现状调查,然后根据调查了解到的问题设计针对性的策略,再通过实践尝试,检验预设的策略是否有效解决了相应的问题,最后分析提炼相应的对策。又如“小学语文‘特色作业’设计研究”这个课题,在过程设计时则首先要对“特色作业”作一定的思考,分析其具备的特征,然后再进行相关设计、应用实践、分析提炼等。
研究阶段则是课题研究过程设计的重要内容,它首先涉及一个课题通过几个阶段的研究完成研究任务的问题,其次则需要考虑对具体的研究工作有大致时间上的确定。如上面提到的“小学生家庭作业习惯调查及对策研究”这一课题,一般分为现状调查、问题分析、对策思考、实践尝试、效果分析等阶段,且每前一阶段研究活动都是后一阶段研究活动的基础,后一阶段研究活动则是前一阶段研究活动的延续。
这里的研究方法不仅指严格意义上的研究方法,如调查法、观察法等,还包括在研究活动中采用的一些具体的操作策略,如问题设计、教学实践等。研究方法设计同样是研究过程设计中的一个重要组成部分。
研究过程设计除了受到以上三个方面的基本要素影响之外,其实有时也会受制于某个课题研究成员的影响。如有的课题涉及的部门较多,牵涉的人员也就比较多,此时,在研究过程设计中,需要对相关成员的任务作出相应的分配,目的是保证在研究活动具体展开时能够作出及时有效的协调。
二、怎样的过程设计才能保证课题研究工作的顺利进行?
从一个课题来看,其研究过程的设计一般可以从行动路径和研究策略两个方面来体现。其中行动路径是大方向,是对课题研究工作的整体把握;研究策略则是具体研究活动中的操作方法的总和。
(一)规划课题研究行动路径,细化各项研究任务
课题研究的行动路径是课题研究整体推进的重要基础,它是一个课题顺利开展研究工作的保障。行动路径一般包括三方面的内容:研究阶段及其说明、内容选择及其说明以及环节设计及其说明。可用图表的方式加以呈现,并配以一定的文字作解释。如《区域实施“绿色评价”的实践与研究》,将课题研究的行动路径作了如下表述:
在以上图例表述研究的行动路径基础上,又作了简要的说明:“理论学习,内涵理解”阶段,主要是通过学习国家、省、市的相关文件精神,切实把握中小学教育质量综合评价改革的核心思想,深入理解评价理念及内容的变化,明确教育评价改革的方向,为本区实施“绿色评价”奠定基础;“多部门联动,整体推进”阶段,结合各部门本身的职能,在基于综合素养评价理念背景下,实践教育质量综合评价过程,推进课题研究的深入;“梳理成果,总结推广”阶段,主要在策略性成果和对象性成果方面作较为完善的分析与提炼。
在以上的“行动路径”中,我们很明显地看出本课题研究分为三个阶段进行,且每个阶段的研究主体与研究任务都比较明确。因为有了清晰明确的“行动路径”设计,不但对整体课题的研究工作作出了整体规划,同时还有相应研究内容的分工与阶段性推进的计划,显然有利于课题研究人员在不同的研究阶段,落实好研究工作,而且还能对研究工作作出即时的反思与调整。
(二)想明白各个环节的研究方式,具化研究活动中的操作策略
课题研究过程的设计中,还有一块相当重要的内容,便是针对具体的研究内容与研究活动作出的策略设计、方法选择以及环节预设。这是课题研究过程中最为具体的工作,一般需要基于相应的研究内容进行思考与设计。
如我区有一位教师在研究“运用几何直观培养小学生解决问题能力的实践研究”这一课题时,针对“培养小学生运用几何直观解决问题能力”这样一个研究内容,提出了“数形结合,以数化形”“强调直观,以形析文”和“重视图例,突出关系” 这三种策略。并在每一种策略的具体阐述中,又通过一张流程图来表达策略的操作过程。
第一步是化境为数,经历从实际情境中抽象出数的过程,体验抽象。第二步是以数化形,经历将数转化成多种形的过程,体验演绎。第三步将形归数,经历多形中发现共同点的过程,体验归纳。三步流程使学生经历数(式)与形转化的过程,积累数形结合的基本活动经验,奠定运用几何直观解决问题的能力基础。以上研究策略设计,内容明确,路径清晰,有很强的可操作性,显然为后续研究活动的顺利开展奠定了扎实的基础。
又如一位幼儿教师在研究课题“幼儿园‘五乐游戏’活动的设计研究”时,提出了“乐运动、乐表达、乐交往、乐探究、乐表现”等五乐游戏后,于每一种游戏活动的研究中,设计了相当具体的操作策略――支架。如在“讲述类”游戏研究时,设计了如下的一个支架:
有了相应的支架,研究者也就有了具体的实践操作依据,后续研究实践活动也就有了“落地”的保证。
通过以上分析,我们也不难发现,课题研究的具体研究活动操作策略设计体现出了三方面的特点:一是具体,尽可能的细化;二是有针对性,即与研究内容相匹配;三是可操作,即能够在后续研究中直接可以运用。当然,研究策略并不是一般的操作流程或细节,而是具有一定结构的操作方法。表达在文本中时,需作一定的理论思辨,并有适度的提炼和结构化。