[發明專利]基于組合反向粒子群優化的機器人巡檢路徑規劃方法

有效

• 申請號: 201710162424.1
• 申請日: 2017-03-18
• 公開（公告）號: CN106934501B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 郭肇祿;王洋;岳雪芝;劉小生;周才英;余法紅;李康順
• 申請（專利權）人: 江西理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G07C1/20
• 代理公司: 贛州凌云專利事務所 36116
• 代理人: 曾上

1.一種基于組合反向粒子群優化的機器人巡檢路徑規劃方法，其特征在于，包括以下步驟：

步驟1，輸入機器人需要巡檢點的坐標，并確定機器人巡檢點的數量D；

步驟2，用戶初始化種群大小Popsize，最大評價次數MAX_FEs，加速因子C1和C2，最大速度絕對值VMax，反向學習率OP；

步驟3，當前演化代數t＝0，當前評價次數FEs＝0；

步驟4，隨機產生初始種群其中粒子下標i＝1,2,...,Popsize，并且為種群P_t中的第i個粒子，其隨機初始化公式為：

其中維度下標j＝1,2,...,D；存儲了種群P_t中第i個粒子的當前位置，表示D個巡檢點的順序權值；存儲了種群P_t中第i個粒子在每一維上的速度大小，rand(0,1)為在[0,1]之間服從均勻分布的隨機實數產生函數；

步驟5，計算種群P_t中每個粒子的適應值，其中個體下標i＝1,2,...,Popsize，計算粒子的適應值的方法為：將粒子的當前位置作為D個巡檢點的順序權值，根據巡檢點的順序權值生成巡檢路徑，然后以巡檢路徑的長度作為適應值；

步驟6，保存種群P_t中每個粒子的自身歷史最優位置，并令當前評價次數FEs＝FEs+Popsize；

步驟7，保存種群P_t中的最優粒子位置gBest^t；

步驟8，在[0,1]之間隨機產生一個實數pr1；

步驟9，如果pr1大于反向學習率OP，則轉到步驟10，否則轉到步驟14；

步驟10，令當前慣性權重因子

步驟11，按以下公式更新種群P_t中每個粒子的速度和位置：

其中i＝1,2,...,Popsize，j＝1,2,...,D，TR1和TR2分別為[0,1]之間的隨機實數，為第i個粒子的自身歷史最優位置；

步驟12，計算種群P_t中每個粒子的適應值；

步驟13，轉到步驟15；

步驟14，執行組合反向學習操作生成組合反向種群BP_t，然后從種群P_t和組合反向種群BP_t的并集中選擇出新一代種群，具體步驟如下：

步驟14.1，按以下公式計算種群P_t的搜索下界ALow^t和上界AUp^t：

其中i＝1,2,...,Popsize，j＝1,2,...,D；min為取最小值函數，max為取最大值函數；

步驟14.2，按以下公式生成種群P_t的組合反向種群BP_t：

其中反向粒子下標bi＝1,2,...,Popsize，維度下標bj＝1,2,...,D，組合因子RK的值為[0,1]之間的一個隨機實數，反向因子CK的值為[0,1]之間的一個隨機實數，RI1為[1,Popsize]之間的一個隨機整數；是組合反向種群BP_t中第bi個反向粒子的當前位置；是組合反向種群BP_t中第bi個反向粒子在每一維上的速度大小；

步驟14.3，計算組合反向種群BP_t中所有反向粒子的適應值；

步驟14.4，從種群P_t和組合反向種群BP_t的并集中選擇出新一代種群；

步驟14.5，轉到步驟15；

步驟15，更新種群P_t中每個粒子的自身歷史最優位置；

步驟16，令當前評價次數FEs＝FEs+Popsize；

步驟17，令當前演化代數t＝t+1；

步驟18，保存種群P_t中的最優粒子位置gBest^t；

步驟19，重復步驟8至步驟18直至當前評價次數FEs達到MAX_FEs后結束，將執行過程中得到的最優粒子位置gBest^t解碼成機器人巡檢的路徑，即可實現機器人的巡檢路徑規劃。