一种移动机器人的自动规划路径方法及移动机器人的制作方法
【专利摘要】本发明公开了一种移动机器人的自动规划路径方法及使用该方法的移动机器人，该方法包括以下步骤：采集环境信息；通过采集到的环境信息对移动机器人准备进行路径规划的区域进行建模以构建二维平面坐标图，并确定起点、终点和障碍物的坐标位置；基于二维平面坐标图，对移动机器人从起点到终点的路径通过基于Sobol序列的种群初始化和动态调整扰动系数更新种群的萤火虫算法进行路径寻优，从而在二维平面坐标图中规划拟行进的优化路径；根据规划完成的优化路径，驱使移动机器人进行移动。本发明克服了现有萤火虫算法收敛性能的不足的问题，使移动机器人能够快速、准确地自动规划路径，提高了移动机器人进行路径规划的能力。
【专利说明】
一种移动机器人的自动规划路径方法及移动机器人
技术领域
[0001] 本发明涉及电子机器人技术领域，更具体地说，是涉及一种移动机器人的自动规 划路径方法及移动机器人。
【背景技术】
[0002] 移动机器人(Mobile robot)是一种由传感器、遥控操作器和自动控制的移动载体 组成的机器人系统，是近年来发展起来的一门综合学科集成应用的产品，它集中了机械、电 子、计算机、自动控制以及人工智能等多学科最新研究成果，代表了机电一体化的最高成 就。移动机器人具有移动功能，在代替人从事危险、恶劣环境下作业和人所不及的环境作业 方面，比一般机器人有更大的机动性、灵活性。移动机器人已经逐渐应用与工业生产农业、 医疗等不同行业。
[0003] 在移动机器人相关技术的研究中，导航技术是其核心，而路径规划是导航研究的 一个重要环节和课题。所谓路径规划是指移动机器人按照某一性能指标(如距离、时间、能 源消耗等)搜索一条从起始状态到目标状态的最优或次优路径。路径规划主要涉及的问题 包括：（1)利用获得的移动机器人环境信息建立较为合理的模型，再用某种算法寻找一条从 起始状态到目标状态的最优或近似最优的无碰撞路径；（2)能够处理环境模型中的不确定 因素和路径跟踪中出现的误差，使外界物体对机器人的影响降到最小；（3)利用已知的所有 信息来引导机器人的动作，从而得到相对更优的行为决策。目前，对于移动机器人路径规划 技术的研究已经取得了大量的成果，许多科学家从不同方面进行了研究。其中，从机器人对 环境感知的角度，移动机器人路径规划方法的研究分为三种类型:基于环境模型的规划方 法、基于事例学习的规划方法和基于行为的路径规划方法;从机器人对环境信息掌握的程 度，又可分为基于环境先验完全信息的全局路径规划和基于传感器信息的局部路径规划； 从规划环境是否随时间变化方面看，还可分为静态路径规划和动态路径规划;从移动机器 人路径规划的具体算法与策略上，规划技术可分为以下四类:模版匹配路径规划技术、人工 势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术。人工智能路径规划 技术是将现代人工智能技术应用于移动机器人的路径规划中，如人工神经网络、进化计算、 模糊逻辑与群智能算法等。其中，基于人工智能的路径规划技术是近年来的研究热点。 [0004] 萤火虫算法(Firefly Algorithm)是由Yang Xin-she于2008年提出的一种新的智 能优化算法，该算法模拟自然界中萤火虫发光的生物学特性发展而来的，同粒子群算法和 蚁群算法一样，也是一种基于群体的自然启发式随机优化算法。该算法一经提出，备受国内 外学者的关注，成为计算智能研究领域的一个新的研究热点，目前该算法已经应用在函数 优化、图像处理、组合优化、特征选择、聚类分析、股票市场预测、蛋白质结构预测及动态市 场定价等研究领域。现有的萤火虫群算法的计算效率高，内存开销小，调节的参数少，简单 易于实现，但是现有的萤火虫算法中的扰动系数a通常是固定不变的，这对算法的搜索来说 是有缺陷的，与其他随机搜索算法一样也存在早熟收敛现象。
【发明内容】
[0005] 本发明的目的在于克服现有技术中的上述缺陷，提供一种移动机器人的自动规划 路径方法及移动机器人，其基于Sobol序列初始化种群和动态调整扰动系数的策略，通过对 萤火虫算法中的扰动系数进行自适应调整来增强算法的收敛性能，从而提高了移动机器人 进行路径规划的能力。
[0006] 为实现上述目的，本发明第一方面提供了一种移动机器人的自动规划路径方法， 包括以下步骤：
[0007] 采集环境信息；
[0008] 通过采集到的环境信息对移动机器人准备进行路径规划的区域进行建模以构建 二维平面坐标图，并确定起点、终点和障碍物的坐标位置；
[0009] 基于二维平面坐标图，对移动机器人从起点到终点的路径通过基于Sobol序列的 种群初始化和动态调整扰动系数更新种群的萤火虫算法进行路径寻优，从而在二维平面坐 标图中规划拟行进的优化路径；
[0010] 根据规划完成的优化路径，驱使移动机器人进行移动。
[0011] 作为优选实施方式，在上述方法中，所述基于二维平面坐标图，对移动机器人从起 点到终点的路径通过基于Sobol序列的种群初始化和动态调整扰动系数更新种群的萤火虫 算法进行路径寻优，从而在二维平面坐标图中规划拟行进的优化路径的步骤具体包括：
[0012] 导入萤火虫算法的基本参数，并初始化萤火虫算法的各个基本参数；
[0013]采用Sobol序列初始化种群，产生popN个萤火虫的位置，计算每只萤火虫的目标函 数以得到所对应的亮度，并选择亮度最大的作为最优位置；
[0014] 计算每只萤火虫的吸引度，由具有最大亮度的萤火虫来引导其他萤火虫的移动， 更新每只萤火虫的位置，并重新计算萤火虫的亮度；
[0015] 当达到最大搜索次数，则输出最优个体并停止算法，否则，重新计算每只萤火虫的 吸引度。
[0016] 作为优选实施方式，在上述方法中，所述Sobol序列是以2为基，由一组方向数 V2，V3,…，Vi…，Vn生成，其中，ViG(〇，l)，在Sobol序列中，第i个元素第j维的值可按公式得 到：
[0017] 又/ 二 11斤 ? nW ? …e nA。
[0018] 作为优选实施方式，在上述方法中，所述萤火虫的吸引度的计算公式为：
[0019] 馬=扎 * 气
[0020] 式中，说是两只萤火虫距离为零时的吸引力，y是光吸收系数，(^是萤火虫i和萤 火虫j之间的距离。
[0021] 作为优选实施方式，在上述方法中，所述萤火虫的位置更新公式为：
[0022] Xj(t+1) =Xj(t)+0ij(Xi(t)_Xj(t) )+a(t)*￡j;
[0024] 式中，Xi (t)和Xj (t)分别是萤火虫i和萤火虫j在第t次迭代时的空间位置，a是扰动 系数，^是随机数向量，T是迭代次数。
[0025] 本发明第二方面提供了一种自动规划路径的移动机器人，其特征在于，包括：
[0026] 环境信息采集模块，用于采集环境信息；
[0027] 环境信息建模模块，用于通过采集到的环境信息对移动机器人准备进行路径规划 的区域进行建模以构建二维平面坐标图，并确定起点、终点和障碍物的坐标位置；
[0028] 路径规划模块，用于基于二维平面坐标图，对移动机器人从起点到终点的路径通 过基于Sobol序列的种群初始化和动态调整扰动系数更新种群的萤火虫算法进行路径寻 优，从而在二维平面坐标图中规划拟行进的优化路径；
[0029] 移动驱动模块，用于根据规划完成的优化路径，驱使移动机器人进行移动。
[0030] 作为优选实施方式，在上述移动机器人的方案中，所述路径规划模块具体包括：
[0031] 基本参数输入单元，用于导入萤火虫算法的基本参数，并初始化萤火虫算法的各 个基本参数；
[0032] Sobol序列初始化种群单元，用于采用Sobol序列初始化种群，产生popN个萤火虫 的位置；
[0033] 动态扰动系数路径寻优单元，用于计算每只萤火虫的目标函数以得到所对应的亮 度，并选择亮度最大的作为最优位置；以及计算每只萤火虫的吸引度，由具有最大亮度的萤 火虫来引导其他萤火虫的移动，更新每只萤火虫的位置，并重新计算萤火虫的亮度；当达到 最大搜索次数，则输出最优个体并停止算法，否则，重新计算每只萤火虫的吸引度。
[0034] 作为优选实施方式，在上述移动机器人的方案中，所述Sobol序列是以2为基，由一 组方向数Vl，V2，V3,…，Vi…，V n生成，其中，ViG(〇，l)，在Sobol序列中，第i个元素第j维的值 可按公式得到：
[0035] X./ = 十 n2r/ ? n，/。
[0036] 作为优选实施方式，在上述移动机器人的方案中，所述萤火虫的吸引度的计算公 式为：
[0037] e~ydl ；
[0038]式中，说是两只萤火虫距离为零时的吸引力，Y是光吸收系数，du是萤火虫i和萤 火虫j之间的距离。
[0039] 作为优选实施方式，在上述移动机器人的方案中，所述萤火虫的位置更新公式为：
[0040] Xj(t+1) = Xj(t)+0ij(Xi(t)_Xj(t) )+a(t)*￡j;
[0042 ]式中，Xi (t)和Xj (t)分别是萤火虫i和萤火虫j在第t次迭代时的空间位置，a是扰动 系数，^是随机数向量，T是迭代次数。
[0043] 与现有技术相比，本发明的有益效果在于：
[0044] 1、本发明能够根据采集到的环境信息构建二维平面坐标图，并调用初始化组件采 用Sobol序列初始化种群，然后基于动态扰动系数更新种群以便在二维平面坐标图中规划 拟行进的路径，最后结合二维平面坐标图和规划好的路径进行移动。本发明基于Sobol序列 初始化种群和动态调整扰动系数的策略，通过对萤火虫算法中的关键参数_扰动系数进行 自适应调整来增强算法的收敛性能，克服了现有萤火虫算法收敛性能的不足的问题，使移 动机器人能够快速、准确地自动规划路径，提高了移动机器人进行路径规划的能力。
[0045] 2、本发明采用Sobol序列来初始化萤火虫种群，能够获得较好的采样覆盖率，以保 证初始种群分布的均匀性。
【附图说明】
[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。
[0047] 图1是本发明提供的一种移动机器人的自动规划路径方法的流程图；
[0048] 图2是本发明提供的二维平面坐标图的示意图；
[0049] 图3是本发明提供的一种自动规划路径的移动机器人的结构框图；
[0050] 图4是本发明提供的路径规划模块的结构框图。
【具体实施方式】
[0051] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052] 实施例一
[0053]本发明的实施例一提供了一种移动机器人的自动规划路径方法，下面结合附图对 本实施例进行详细说明。图1是本发明实施例一的方法流程图，请参考图1，本发明实施例的 方法包括以下步骤：
[0054]步骤S1、采集环境信息；
[0055] 其中，移动机器人可以通过红外传感器或其他采集装置扫描获取外接环境信息。
[0056] 步骤S2、通过采集到的环境信息对移动机器人准备进行路径规划的区域进行建模 以构建二维平面坐标图，并确定起点、终点和障碍物的坐标位置；
[0057]路径规划是指在有障碍物的工作环境中寻找一条从起点到终点的、无碰撞地绕过 所有障碍物的运动路径(即：找出从A点到B点的无碰撞的最短路径）。
[0058] 如图2所示，当二维平面坐标图构建完成时，移动机器人的环境信息建模模块能够 识别出拟探索的全局区域中障碍物（如:a、b、c)的位置坐标。由于从A点到B点的路径有多 条，因此需要利用本发明改进的萤火虫算法从中识别出最短路径。
[0059] 步骤S3、基于二维平面坐标图，对移动机器人从起点到终点的路径通过基于Sobol 序列的种群初始化和动态调整扰动系数更新种群的萤火虫算法进行路径寻优，从而在二维 平面坐标图中规划拟行进的优化路径；
[0060] 进一步而言，步骤S3具体包括以下步骤：
[0061]步骤S31、导入萤火虫算法的基本参数，并初始化萤火虫算法的各个基本参数； [0062]其中，所述基本参数可以包括种群数量popN、迭代次数T、初始吸引度说、光吸收系 数Y、扰动系数a等。它们的初始值可以如下面表一所示：
[0064]步骤S32、采用Sobol序列初始化种群，产生popN个萤火虫的位置，计算每只萤火虫 的目标函数以得到所对应的亮度，并选择亮度最大的作为最优位置；
[0065] 具体的，所述Sobo 1序列是以2为基，由一组方向数Vi，V2，V3，…，Vi…，Vn生成，其 中，Vi G (〇，1)。假设Sobol-组序列为xi，X2，X3,…，Xi，…，xn，x/表示Sobol序列中第i个元素 第j维的值，可按公式得到：
[0066] x/ = HiF"/ 0 n2V2j ? ... 0 nsVsJ0
[0067] 目前常见的伪随机数序列存在样本分布与真实分布不一致的问题，Sobol随机序 列是一种低差异序列（（low-discrepancy sequences)，是一个稳定的的随机序列，分布均 匀性好。本发明采用Sobol序列来初始化萤火虫种群，能够获得较好的采样覆盖率，以保证 初始种群分布的均匀性。
[0068] 萤火虫算法是一种启发式算法，算法模拟了亮度较弱的萤火虫向亮度较强的萤火 虫移动的随机搜索，在萤火虫算法中通常用萤火虫的绝对亮度代表目标函数值，即f(x，= maXxesf(X)，该算法利用一个数量为popN的萤火虫种群通过迭代解决这个优化问题，算法初 始阶段，所有的萤火虫在搜索空间s内被随机分配表示第i个萤火虫在第t次迭代时的一 个解，f ( Xi )就表示其对应的萤火虫的绝对亮度。
[0069]步骤S33、计算每只萤火虫的吸引度，由具有最大亮度的萤火虫来引导其他萤火虫 的移动，更新每只萤火虫的位置，并重新计算萤火虫的亮度；
[0070]每只萤火虫对其他萤火虫都有一个吸引力0，如果萤火虫i的绝对亮度大于萤火虫 j的绝对亮度，则萤火虫j就会受萤火虫i吸引向i移动。萤火虫i对萤火虫j的吸引力Pij的公 式定义为：
[0071] 0 g = P Q * 6 (1)
[0072]其中，说是两只萤火虫距离为零时的吸引力，y是光吸收系数(Light Absorption Coefficient)，dij是萤火虫i和萤火虫j之间的距离。
[0073] 如果在第t次迭代时，萤火虫j向萤火虫i移动，则萤火虫j的位置更新公式为：
[0074] Xj(t+l)=Xj(t)+0ij(Xi(t)-Xj(t))+a(t)*￡j (2)
[0075] 式中，Xi (t)和Xj (t)分别是萤火虫i和萤火虫j在第t次迭代时的空间位置，a是扰动 系数，是随机数向量。
[0076]本发明对a采用的更新公式如下：
[0078] 从算法的运行来看，一个较大的a值有利于全局搜索，而一个较小的a值有利于局 部搜索，因此通过对a进行动态调整来提高算法的收敛性能。
[0079] 步骤S34、当达到最大搜索次数，则输出最优个体并停止算法，否则，返回步骤S33 重新计算每只萤火虫的吸引度。
[0080] 其中，最大搜索次数指的是萤火虫算法的寻优次数，即迭代次数T。
[0081 ]该算法的伪代码如下所示： Input: /(.'-)， .T e [.Vi，x2>.x：3，...,xn] Value of parameter： popN, T, p0, y, a Output: begin
[0082] for / = 1 !〇 popN Generate Initial Population of Firefly Calculate Initial Solutions end do tor / = 1 to popN for j = 1 to p〇pN if /(^)</(.^ ) then di； ^-Calculate distance between .v, and pif<r ' +丨)- 々"义々)-^/(0)+a else
[0083] , end end end i = t + 1 until t>f v, ^-arg inax/(.v, ) max /(.v：) end
[0084] 步骤S4、根据规划完成的优化路径，驱使移动机器人进行移动。
[0085] 其中，最优个体走过的路径就是最优路径，当路径规划模块确定好一条最优路径 后，移动机器人将沿着该条路径进行移动。
[0086] 本发明的方法基于Sobol序列初始化种群和动态调整扰动系数的策略，通过对萤 火虫算法中的扰动系数进行自适应调整来增强算法的收敛性能，克服了现有萤火虫算法收 敛性能的不足的问题，使移动机器人能够快速、准确地自动规划路径，提高了移动机器人进 行路径规划的能力。
[0087] 实施例二
[0088] 本发明的实施例二提供了一种自动规划路径的移动机器人，请参考图3,本发明实 施例的移动机器人包括环境感知模块1、路径规划模块2和移动驱动模块3,其中，环境感知 模块1设有环境信息采集模块11和环境信息建模模块12，下面将对上述模块的功能进行详 细的说明。
[0089] 环境信息采集模块11，用于采集环境信息。
[0090] 其中，环境信息采集模块11可以设置为红外传感器或其他采集装置，移动机器人 可以通过红外传感器或其他采集装置扫描获取外接环境信息。
[0091] 环境信息建模模块12,用于通过采集到的环境信息对移动机器人准备进行路径规 划的区域进行建模以构建二维平面坐标图，并确定起点、终点和障碍物的坐标位置。
[0092] 路径规划是指在有障碍物的工作环境中寻找一条从起点到终点的、无碰撞地绕过 所有障碍物的运动路径(即：找出从A点到B点的无碰撞的最短路径）。
[0093] 如图2所示，当二维平面坐标图构建完成时，移动机器人的环境信息建模模块12能 够识别出拟探索的全局区域中障碍物(如:a、b、c)的位置坐标。由于从A点到B点的路径有多 条，因此需要利用路径规划模块2从中识别出最短路径。
[0094] 路径规划模块2,用于基于二维平面坐标图，对移动机器人从起点到终点的路径通 过基于Sobol序列的种群初始化和动态调整扰动系数更新种群的萤火虫算法进行路径寻 优，从而在二维平面坐标图中规划拟行进的优化路径。
[0095] 如图4所示，进一步而言，在本实施例中，所述路径规划模块2具体包括：
[0096] 基本参数输入单元21，用于导入萤火虫算法的基本参数，并初始化萤火虫算法的 各个基本参数；
[0097]其中，所述基本参数可以包括种群数量popN、迭代次数T、初始吸引度说、光吸收系 数Y、扰动系数a等。它们的初始值可以如下面表一所示：
[0099] Sobol序列初始化种群单元22,用于采用Sobol序列初始化种群，产生popN个萤火 虫的位置；
[0100] 具体的，所述Sobol序列是以2为基，由一组方向数VhV^Vs，…，Vi…，Vn生成，其 中，Vi G (〇，1)。假设Sobo 1-组序列为xi，X2，X3，…，Xi，…，xn，x/表示Sobo 1序列中第i个元素 第j维的值，可按公式得到：
[0101] ac/ 二 ? :n2F/ ? …? nyjr/。
[0102] 目前常见的伪随机数序列存在样本分布与真实分布不一致的问题，Sobol随机序 列是一种低差异序列（（low-discrepancy sequences)，是一个稳定的的随机序列，分布均 匀性好。本发明采用Sobol序列来初始化萤火虫种群，能够获得较好的采样覆盖率，以保证 初始种群分布的均匀性。
[0103] 动态扰动系数路径寻优单元23,用于计算每只萤火虫的目标函数以得到所对应的 亮度，并选择亮度最大的作为最优位置；以及计算每只萤火虫的吸引度，由具有最大亮度的 萤火虫来引导其他萤火虫的移动，更新每只萤火虫的位置，并重新计算萤火虫的亮度；当达 到最大搜索次数，则输出最优个体并停止算法，否则，重新计算每只萤火虫的吸引度。
[0104] 萤火虫算法是一种启发式算法，算法模拟了亮度较弱的萤火虫向亮度较强的萤火 虫移动的随机搜索，在萤火虫算法中通常用萤火虫的绝对亮度代表目标函数值，即f(x，= maXxesf(X)，该算法利用一个数量为popN的萤火虫种群通过迭代解决这个优化问题，算法初 始阶段，所有的萤火虫在搜索空间S内被随机分配表示第i个萤火虫在第t次迭代时的一 个解，f (Xi)就表示其对应的萤火虫的绝对亮度。
[0105]每只萤火虫对其他萤火虫都有一个吸引力0，如果萤火虫i的绝对亮度大于萤火虫 j的绝对亮度，则萤火虫j就会受萤火虫i吸引向i移动。萤火虫i对萤火虫j的吸引力的公 式定义为：
[0106] , = (3e-yd^ (〇
[0107] 其中，说是两只萤火虫距离为零时的吸引力，y是光吸收系数(Light Absorption Coefficient)，dij是萤火虫i和萤火虫j之间的距离。
[0108] 如果在第t次迭代时，萤火虫j向萤火虫i移动，则萤火虫j的位置更新公式为：
[0109] Xj(t+l)=Xj(t)+Pij(Xi(t)-Xj(t))+a(t)*ej (2)
[0110] 式中，Xi (t)和Xj (t)分别是萤火虫i和萤火虫j在第t次迭代时的空间位置，a是扰动 系数，是随机数向量。
[0111] 本发明对a采用的更新公式如下：
[0113]从算法的运行来看，一个较大的a值有利于全局搜索，而一个较小的a值有利于局 部搜索，因此通过对a进行动态调整来提高算法的收敛性能。
[0114]移动驱动模块3，用于根据规划完成的优化路径，驱使移动机器人进行移动。
[0115] 其中，最优个体走过的路径就是最优路径，当路径规划模块2确定好一条最优路径 后，移动驱动模块3将沿着该条路径驱使移动机器人进行移动。
[0116] 本发明的移动器人基于Sobol序列初始化种群和动态调整扰动系数的策略，通过 对萤火虫算法中的扰动系数进行自适应调整来增强算法的收敛性能，克服了现有萤火虫算 法收敛性能的不足的问题，其能够快速、准确地自动规划路径，提高了路径规划能力。
[0117] 需要说明的是，上述实施例提供的一种自动规划路径的移动机器人，仅以上述各 功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功 能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部 分功能。
[0118] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以 通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质 中，所述的存储介质，如R0M/RAM、磁盘、光盘等。
[0119] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的 限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化， 均应为等效的置换方式，都包含在本发明的保护范围之内。
【主权项】
1. 一种移动机器人的自动规划路径方法，其特征在于，该方法包括W下步骤： 采集环境信息； 通过采集到的环境信息对移动机器人准备进行路径规划的区域进行建模W构建二维 平面坐标图，并确定起点、终点和障碍物的坐标位置； 基于二维平面坐标图，对移动机器人从起点到终点的路径通过基于Sobol序列的种群 初始化和动态调整扰动系数更新种群的蛋火虫算法进行路径寻优，从而在二维平面坐标图 中规划拟行进的优化路径； 根据规划完成的优化路径，驱使移动机器人进行移动。2. 根据权利要求1所述的移动机器人的自动规划路径方法，其特征在于，所述基于二维 平面坐标图，对移动机器人从起点到终点的路径通过基于Sobol序列的种群初始化和动态 调整扰动系数更新种群的蛋火虫算法进行路径寻优，从而在二维平面坐标图中规划拟行进 的优化路径的步骤具体包括： 导入蛋火虫算法的基本参数，并初始化蛋火虫算法的各个基本参数； 采用Sobol序列初始化种群，产生popN个蛋火虫的位置，计算每只蛋火虫的目标函数W 得到所对应的亮度，并选择亮度最大的作为最优位置； 计算每只蛋火虫的吸引度，由具有最大亮度的蛋火虫来引导其他蛋火虫的移动，更新 每只蛋火虫的位置，并重新计算蛋火虫的亮度； 当达到最大捜索次数，则输出最优个体并停止算法，否则，重新计算每只蛋火虫的吸引 度。3. 根据权利要求2所述的移动机器人的自动规划路径方法，其特征在于，所述Sobol序 列是W2为基，由一组方向数Vi，V2，V3,…，Vi…，Vn生成，其中，ViG(Oa)，在Sobol序列中，第 i个元素第j维的值可按公式得到：4. 根据权利要求2所述的移动机器人的自动规划路径方法，其特征在于，所述蛋火虫的 吸引度的计算公式为：式中，e〇是两只蛋火虫距离为零时的吸引力，丫是光吸收系数，dij是蛋火虫巧日蛋火虫j 之间的距离。5. 根据权利要求4所述的移动机器人的自动规划路径方法，其特征在于，所述蛋火虫的 位置更新公式为：巧甲，Jii U MU U;分別巧笠乂虫1卿笠乂虫J仕弟t/久胜代町W置间位置，a是扰动系 数，Ej是随机数向量，T是迭代次数。6. -种自动规划路径的移动机器人，其特征在于，包括： 环境信息采集模块，用于采集环境信息； 环境信息建模模块，用于通过采集到的环境信息对移动机器人准备进行路径规划的区 域进行建模W构建二维平面坐标图，并确定起点、终点和障碍物的坐标位置； 路径规划模块，用于基于二维平面坐标图，对移动机器人从起点到终点的路径通过基 于Sobol序列的种群初始化和动态调整扰动系数更新种群的蛋火虫算法进行路径寻优，从 而在二维平面坐标图中规划拟行进的优化路径； 移动驱动模块，用于根据规划完成的优化路径，驱使移动机器人进行移动。7. 根据权利要求6所述的自动规划路径的移动机器人，其特征在于，所述路径规划模块 具体包括： 基本参数输入单元，用于导入蛋火虫算法的基本参数，并初始化蛋火虫算法的各个基 本参数； Sobol序列初始化种群单元，用于采用Sobol序列初始化种群，产生popN个蛋火虫的位 置； 动态扰动系数路径寻优单元，用于计算每只蛋火虫的目标函数W得到所对应的亮度， 并选择亮度最大的作为最优位置；W及计算每只蛋火虫的吸引度，由具有最大亮度的蛋火 虫来引导其他蛋火虫的移动，更新每只蛋火虫的位置，并重新计算蛋火虫的亮度；当达到最 大捜索次数，则输出最优个体并停止算法，否则，重新计算每只蛋火虫的吸引度。8. 根据权利要求7所述的自动规划路径的移动机器人，其特征在于，所述Sobol序列是 W2为基，由一组方向数Vi，V2，V3,…，Vi…，Vn生成，其中，ViG(Oa)，在Sobol序列中，第i个 元素第j维的值可按公式得到9. 根据权利要求7所述的自动规划路径的移动机器人，其特征在于，所述蛋火虫的吸引 度的计算公式为：式中，e〇是两只蛋火虫距离为零时的吸引力，丫是光吸收系数，di堤蛋火虫巧日蛋火虫j 之间的距离。10. 根据权利要求9所述的自动规划路径的移动机器人，其特征在于，所述蛋火虫的位 置更新公式为： Xj(t+l)=Xj(t)+Pij(Xi(t)-Xj(t))+a(t)*ej；式中，乂1(〇和、（*)分别是蛋火虫i和蛋火虫j在第t次迭代时的空间位置，a是扰动系 数，Ej是随机数向量，T是迭代次数。
【文档编号】G05D1/02GK105911992SQ201610423883
【公开日】2016年8月31日
【申请日】2016年6月14日
【发明人】刘晓勇
【申请人】广东技术师范学院