[發明專利]一種多內心搜尋改進灰狼算法的移動機器人路徑規劃方法

有效

• 申請號: 202210035851.4
• 申請日: 2022-01-13
• 公開（公告）號: CN114047770B
• 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

1.一種多內心搜尋改進灰狼算法的移動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；

基于灰狼算法，通過Singer混沌映射初始化灰狼種群位置，并根據目標函數，計算適應度值，確定最優灰狼位置；

采用多內心搜尋方式，通過灰狼全體狩獵過程進行灰狼位置的更新，并確定更新后的最優適應度值和最優灰狼位置；

對最優灰狼位置進行透鏡反向學習，獲取學習后的最優適應度值和最優灰狼位置，利用貪婪原則，將學習前后適應度值最優的灰狼位置，作為更新后的最優灰狼位置；

根據預設的最大迭代次數依次更新的最優灰狼位置，確定最優路徑規劃結果；

所述通過Singer混沌映射初始化灰狼種群位置，包括以下步驟：

確定種群的大小Popsize，迭代次數Miter，灰狼尋優下邊界LB和灰狼尋優上邊界UB；

根據Singer映射隨機數產生：

式中，x_t為當前隨機數，x_t+1為下一個隨機數；

利用產生的Singer隨機數初始化灰狼位置X(t)：

X(t)＝(UB-LB)×x_t-LB；

所述采用多內心搜尋方式，通過灰狼全體狩獵過程進行灰狼位置的更新，包括以下步驟：

通過α狼、β狼、δ狼和其他狼的初始化模擬灰狼實現對獵物的包圍；

初始化后默認α狼、β狼、δ狼實現了對最優解的包圍，其他狼通過α狼、β狼、δ狼的引導實現位置更新，從而實現對最優解的圍捕；具體的：

計算當前狼與最優解的距離D：

D＝|C×X_p(t)-X(t)|

計算當前狼的下一個位置X(t+1)：

X(t+1)＝X_p(t)-A×D

式中，X_p表示獵物的位置；X(t)表示第t代時灰狼個體的位置；A和C為系數向量，計算如下式所示：

A＝2ar₁-a

C＝2r₂

式中，r₁和r₂為[0,1]的隨機數，a的值隨迭代次數由2線性遞減到0；

其他狼根據α狼、β狼、δ狼位置X_α、X_β、X_δ進行位置更新：

D_α＝|C₁×X_α-X(t)|

D_β＝|C₂×X_β-X(t)|

D_δ＝|C₃×X_δ-X(t)|

X₁＝X_α-A₁×D_α

X₂＝X_β-A₂×D_β

X₃＝X_δ-A₃×D_δ

其中，X₁、X₂、X₃分別為當前狼在α狼、β狼、δ狼引導下的下一個位置，T為三個位置的平均值；

將三個位置X₁、X₂、X₃圍成三角形，利用三角形頂點和內心，將三角形再次劃分為三個三角形，獲得子三角形的三個內心，并采用隨機概率的來使得灰狼在這4個內心進行搜索，獲得第t+1代時灰狼的位置X(t+1)：

式中，rand為[0,1]之間的隨機數；

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灰狼的位置X(t+1)，作為當次迭代中的最優灰狼位置X_gs(t+1)。