基于改进蚁群粒子群算法的移动机器人路径规划方法
【专利摘要】本发明公开一种基于改进蚁群粒子群算法的移动机器人路径规划方法，主要解决现有技术中存在的算法运行速度慢、优化路径转弯次数过多的问题。其规划步骤为：对移动机器人工作环境进行建模；利用粒子群算法进行快速路径规划，在得到的路径上散布比周围更多的信息素，给蚁群提供导向；采用惯性原理优化过的蚁群算法，在粒子群算法的基础上进行寻优；根据优化结果输出移动机器人运动路径。本发明综合考虑了算法的稳定性和鲁棒性，能有效减少迭代次数，提高搜索效率，缩短路径长度，减少转弯次数，大幅提高路径质量，符合人工规划意图，适用于各类移动机器人在静态环境下的自主导航。
【专利说明】基于改进蚁群粒子群算法的移动机器人路径规划方法
【技术领域】
[0001]本发明涉及移动机器人【技术领域】，特别是在全局静态环境下的基于改进蚁群粒子群算法的移动机器人路径规划方法。
【背景技术】
[0002]路径规划是移动机器人的关键技术之一，它在一定程度上标志着移动机器人智能水平的高低，能快速找出一条便捷、无碰撞的路径不仅保证了移动机器人自身的安全，更体现了机器人的高效性和可靠性。
[0003]目前，常用到的路径规划方法有可视图法、启发式图搜索算法、人工势场法、A*算法等。这些算法有各自的优缺点，例如人工势场法具有良好的实时性，但存在陷阱区域，并且在相近障碍物之间不能发现路径等缺点，A*算法更适用于解决单目标优化问题。近十年间，随着人工智能算法的研究不断取得进展，许多智能算法也被用到移动机器人的路径规划中，包括模糊逻辑与增强学习算法、神经网络、遗传算法以及蚁群算法等。这些算法都有各自的优点，但也存在诸多问题，例如算法复杂、局部最优、搜索空间过大等。这些算法对硬件条件要求较高，并且不满足移动机器人实时性的要求。
[0004]虽然现阶段已对诸多算法进行改进，能够较好地找出最优路径，但是仍然存在迭代次数较多、运算时间过长等问题，这些问题不能很好的满足移动机器人实时性的要求；而且，在得到的路径中存在转弯次数较多的情况，这将严重影响移动机器人的工作效率，降低工作可靠性。
【发明内容】
[0005]本发明的目的是针对现有技术的不足，提出一种改进蚁群粒子群优化算法，能有效减少迭代次数，提高搜索效率，缩短路径长度，减少转弯次数，大幅提高路径质量，符合人工规划意图，适用于各类移动机器人在静态环境下的自主导航。
[0006]本发明主要由三部分组成:第一部分先利用粒子群算法得到蚁群算法所需要的初始信息分布；第二部分采用传统蚁群算法，但是每次迭代只记录爬行路线不释放信息素；第三部分对每条爬行路线进行惯性优化，然后进行信息素更新。
[0007]实现本发明目的的技术方案是:
[0008]基于改进蚁群粒子群算法的移动机器人路径规划方法，包含如下步骤:
[0009]步骤一:利用机器人自带的摄像头、超声波传感器、红外传感器采集移动机器人工作环境信息，包括起始点、目标点、障碍物，并进行栅格地图建模，对建模要求如下:(1)移动机器人的活动范围在一个有限的二维空间；(2)以移动机器人的尺寸为基准，将障碍物的尺寸向外扩展，将机器人看作一个质点；(3)障碍物由任意栅格方块组成，数目有限，并且在机器人移动过程中这些障碍物不会发生变化和移动。
[0010]步骤二:采用粒子群算法进行快速路径寻优，将得到的路径转化为蚁群算法的初始信息素分布信息，具体包括:[0011]2.1对环境模型进行编码处理；
[0012]2.2设置初始参数，种群规模Nz，惯性权重ω，学习因子C1和c2，最大迭代次数Mz，速度最大值Vniax ；
[0013]2.3随机生成粒子i的位置矢量Ζ?=(ζη, zi2,…，ziD)和速度矢量Vi= (vn, vi2,...,viD),初始化粒子历史最优值Pi和全局最优值Pg ;
[0014]2.4 计算每个粒子当前适度值 f (Zi) ο 如果 f (ZiXf (Pi),贝丨J Pi=Z^f (Zj)=Hiinf(Pi)，如果f (Zj) <f (Pg),则Pg=Zj ;适度值函数为:
【权利要求】
1.一种基于改进蚁群粒子群算法的移动机器人路径规划方法，包括以下步骤: (01)利用机器人自带的摄像头、超声波传感器、红外传感器采集移动机器人工作环境信息，包括起始点、目标点、障碍物，并进行栅格地图建模； (02)采用粒子群算法进行快速路径寻优，将得到的路径转化为蚁群算法的初始信息素分布信息； (03)采用惯性原理优化后的蚁群算法，进行路径寻优； (04)根据优化结果输出规划路径。
2.根据权利要求1所述的基于改进蚁群粒子群算法的移动机器人路径规划方法，其特征在于步骤(02)的具体过程包括: A、对环境模型进行编码处理； B、设置初始参数，种群规模，惯性权重，学习因子，最大迭代次数，速度最大值； C、随机生成粒子的位置矢量和速度矢量，初始化粒子历史最优值和全局最优值A； D、计算每个粒子当前适度值； E、更新粒子位置信息和速度信息； F、转到D，直至达到最大 迭代次数或满足精度要求。
3.根据权利要求1所述的 基于改进蚁群粒子群算法的移动机器人路径规划方法，其特征在于步骤(03)的具体过程包括: 1、设置蚂蚁数量，最大迭代次数，利用PSO算法得到的最优路径初始化信息素信息，并将全部蚂蚁置于起始点； I1、启动蚁群，每只蚂蚁按轮盘赌法进行路径点选择，并记录路径点信息； II1、重复步骤II，直至所有蚂蚁达到目标点； IV、对得到的路径进行惯性优化，保存优化后的路径信息； V、更新路径上的信息素； V1、转跳至步骤II，直至搜索路径不在变化或达到最大迭代次数； νπ、输出最优路径。
4.根据权利要求3所述的基于改进蚁群粒子群算法的移动机器人路径规划方法，其特征在于:过程I中，将环境地图信息得到信息素的初始值r^和产如算法得到的最优路径转换为信息素的增强变量Z 按下式进行融合:
5.根据权利要求3所述的基于改进蚁群粒子群算法的移动机器人路径规划方法，其特征在于:过程II中，让蚂蚁采用轮盘赌法的方式在周围可选栅格中选取下一路径点，蚂蚁在t时刻位于栅格i时选择下一栅格J'的转移概率为:
6.根据权利要求3所述的基于改进蚁群粒子群算法的移动机器人路径规划方法，其特征在于:过程IV中，采用惯性优化原理对算法进行优化，以解决路线折线过多、转折次数过多的问题；假设Gi (xp Yi)为当前路径点，Gh (X h，YiJ为上一个路径点，Gi+1 (xi+1, yi+1)为下一个路径点是G周围待选取的8个路径点之一，GjUfiyJ为目标点，具体公式如下:
【文档编号】G06N3/00GK103472828SQ201310417008
【公开日】2013年12月25日 申请日期:2013年9月13日 优先权日:2013年9月13日
【发明者】何少佳, 史剑清, 王海坤, 黄知超, 高韵沣, 石旅光, 邓子信 申请人:桂林电子科技大学