[發明專利]一種基于多策略改進的黏菌算法的機器人路徑規劃方法

有效

• 申請號: 202210024832.1
• 申請日: 2022-01-11
• 公開（公告）號: CN114063623B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 陳克偉;胡雪松;唐偉;譚玉彬;姜北樵;楊坤;金東陽;范旭;廖自力;尚穎輝
• 申請（專利權）人: 中國人民解放軍陸軍裝甲兵學院
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 謝歡

1.一種基于多策略改進的黏菌算法的機器人路徑規劃方法，其特征在于，包括以下步驟：

獲取機器人移動區域地圖；

根據機器人移動區域地圖，建立移動區域地圖路徑規劃的目標函數；

基于黏菌算法，并基于量子位Bloch編碼初始化黏菌種群位置，并根據目標函數，計算適應度值，確定最優黏菌位置；

引入適應度相關優化算法中的位置搜索方式，對黏菌位置進行位置更新，并確定更新后的最優適應度值和最優黏菌位置；

對最優黏菌位置進行柯西變異，獲取變異后的最優適應度值和最優黏菌位置，利用貪婪原則，將變異前后適應度值最優的黏菌位置，作為更新后的最優黏菌位置；

根據預設的最大迭代次數依次更新的最優黏菌位置，確定最優路徑規劃結果；

所述目標函數為移動路徑最短、耗時最短或消耗能量最少，并根據目標函數確定相應的約束條件以及路徑的關鍵節點數；

所述基于量子位Bloch編碼初始化黏菌種群位置，包括以下步驟：

確定種群的大小Popsize，迭代次數Miter，黏菌尋優下邊界LB和黏菌尋優上邊界UB；

采用量子位的Bloch坐標作為編碼，設P_i為群體中第i個候選解，其編碼方案如下：

每個候選解同時占據空間的3個位置，即同時代表以下3個優化解，分別為x解、y解和z解：

P_iz＝(cosθ_i1,...,cosθ_in)

候選解P_i上的第j個量子位的Bloch坐標記為[x_ij,y_ij,z_ij]^T，優化問題中每個解空間第j維的取值范圍為[a_j,b_j]，則由單位空間Iⁿ＝[-1,1]ⁿ映射到優化問題解空間的變換公式為：

每個候選解對應優化問題的3個解，在所有的候選解中選擇Popsize個適應度值較小的個體作為初始群體；

所述引入適應度相關優化算法中的位置搜索方式，對黏菌位置進行位置更新，包括以下步驟：

引入適應度相關優化算法中的位置搜索方式，獲得改進后的黏菌位置更新公式：

p＝tanh|S(i)-DF|

式中，z為位置更新概率；vb的參數取值范圍是[-a,a]；vc從1線性減少至0；t表示當前迭代，X_b表示當前發現食物氣味濃度最高位置,X表示黏菌當前位置；X_A和X_B表示隨機選取的兩個黏菌位置；S(i)表示X的適應度；DF表示所有迭代中的最佳適應度；

其中，參數a的函數表達為：

式中，maxT表示最大迭代次數；

W表示黏菌重量；W的表達式為:

其中，condition表示S(i)排在前一半的種群；r表示[0,1]區間內的隨機值；bF表示在當前迭代過程中獲得的最優適應度；wF表示當前迭代過程中得到的最差適應度值；SmellIndex表示適應度序列，其中，最小值問題中為遞增序列；

pace的定義如下：

式中，GbestF為迄今為止發現的最佳全局解的適應度函數值，Xfit為當前解的適應度函數值；wf是權重因子，其值為0或1；R為[-1,1]之間的隨機數；

將X_new為第t+1代時的黏菌位置X(t+1)；通過目標函數計算適應度值：

fitness(t+1)＝Fitnessfunc(X(t+1))

根據最優適應度值對應的黏菌的位置X(t+1)，作為當次迭代中的最優黏菌位置X_gs(t+1)。

2.根據權利要求1所述的基于多策略改進的黏菌算法的機器人路徑規劃方法，其特征在于，所述獲取機器人移動區域地圖，包括以下步驟：對移動機器人的環境進行建模，得到移動區域地圖并對地圖進行格柵化處理。