[發明專利]給含有離子-人工蜂群算法的移動機器人配置路徑的方法

有效

• 申請號: 202011520181.2
• 申請日: 2020-12-21
• 公開（公告）號: CN113156931B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 魏博;楊茸;舒思豪;李艷生;張毅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 李朝虎

1.給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，包括以下步驟：

S1：給移動機器人的處理系統中配置目標運動地圖參數、起始點坐標函數參數和目標點坐標函數參數；

S2：處理系統中的離子-人工蜂群計算模塊利用配置目標運動地圖參數、起始點坐標函數參數和目標點坐標函數參數，經過處理得到移動機器人的最優解；

所述離子-人工蜂群計算模塊得到移動機器人的最優解的具體方法為：

S21：對處理系統預設的離子-人工蜂群算法的相關參數進行初始化操作，得到初始化后的相關參數；

S22：把初始化后的相關參數輸入到可行空間后，初始化參數在可行空間內開始得到初始種群，其中，設置迭代次數iter＝0；

S23：對于產生的初始化種群，采用離子運動規律算法產生引領蜂和跟隨蜂的新解后并保留最優解；

所述利用離子運動規律產生新解，引領蜂和跟隨蜂按式：

A_i,j＝A_i,j+AF_i,j*(B_bestj-A_j)和B_i,j＝B_i,j+BF_i,j*(A_bestj-B_j)產生新解A_i,j、B_i,j；其中，AF_i,j、BF_i,j表示引力因子，A_i,j、B_i,j分別代表引領蜂和跟隨蜂產生的新生個體；A_bestj、B_bestj代表種群中最優引領蜂與跟隨蜂；

S24：處理系統程序檢測迭代次數iter是否小于N/2，如果iter小于N/2，則進行下一步S25操作，如果iter大于或等于N/2；則返回步驟S23進行反復迭代操作；

S25：在迭代次數iter小于N/2后，引領蜂和跟隨蜂開始產生新個體，保留引領蜂和跟隨蜂產生新個體后的較優解；

S26：在得到引領蜂和跟隨蜂產生新個體后的較優解后，系統檢測i位置Limit是否更新，如果沒有更新，偵查蜂放棄位置limit，偵查蜂根據自適應花香因子選擇個體后更新種群并返回步驟S23；如果i位置Limit已經更新，則進行下一步驟S27；

偵查蜂根據自適應花香因子選擇個體后更新種群的過程為：

偵察蜂根據下式計算位置更新概率PT_i：

其中，KT_i表示每維度的花香濃度，表示自適應參數，Max_Cycle表示算法的最大迭代次數；

S27：處理系統判斷iter是否大于或等于N；如果iter小于N，返回步驟S24，如果iter大于或等于N，則進行下一步驟S28；

S28：處理系統判斷iter已達到的最大迭代次數或目標精度后，輸出得到移動機器人的最優解；

S3：移動機機器人的處理系統把最優解視為移動機器人的最短運動路徑；

S4：移動機器人按照處理系統得到的最短運動路徑去執行運動指令。

2.根據權利要求1所述的給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，所述離子-人工蜂群算法的相關參數為目標運動地圖參數、起始點坐標函數參數、目標點坐標函數參數種群數量SUM、最大迭代次數N和控制參數Limit。

3.根據權利要求1所述的給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，產生的新解A_i,j、B_i,j，按式計算并留較優的解。

4.根據權利要求1所述的給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，所述引領蜂按式隨機產生新解v_i,j，并按式保留較優的解。

5.根據權利要求1所述的給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，所述跟隨蜂按照式的反輪盤賭的機制選擇個體，按照式產生新個體v_i,j，按照式保留較優的解。

6.根據權利要求1所述的給含有離子-人工蜂群算法的移動機器人配置路徑的方法，其特征在于，所述移動機器人內置目標運動地圖參數、起始點坐標函數參數、目標點坐標函數參數、種群數量SUM、最大迭代次數N和控制參數Limit；所述機器人配有目標運動地圖參數、起始點坐標函數參數、目標點坐標函數參數、種群數量SUM、最大迭代次數N和控制參數Limit的窗口，所述移動機器人配置有離子-人工蜂群計算模塊和系統處理模塊。