[發明專利]基于基因調控網絡的多智能體導航控制方法、設備及介質

有效

• 申請號: 202210436264.6
• 申請日: 2022-04-25
• 公開（公告）號: CN114543815B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 范衠;王琛;羅偉成;谷敏強;施兆輝
• 申請（專利權）人: 汕頭大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 劉力

本發明提供一種基于基因調控網絡的多智能體導航控制方法、設備及介質，涉及導航技術領域，該方法包括獲取多個智能體所在的平面地圖；將所述平面地圖轉換為柵格地圖，確定所述柵格地圖中的各個柵格對應的濃度信息；根據所述柵格地圖中的各個柵格對應的濃度信息確定所述智能體從當前柵格到目標柵格的最優路徑；在待導航的智能體沿最優路徑前行過程中，將代價評估值最小的空置柵格作為待進入柵格；確定待進入柵格距離障礙物位置所在柵格的距離，基于所述距離和預先設置的安全距離的關系確定所述智能體的運行狀態，根據所述智能體的運行狀態控制所述智能體朝目標位置前行；本發明能夠實時、自適應尋找最優導航路徑。

技術領域

本發明涉及但不限于導航技術領域，尤其涉及一種基于基因調控網絡的多智能體導航控制方法、設備及介質。

背景技術

目前智能體導航系統所涉及到的路徑規劃任務應用較為廣泛的是A*算法，A*算法的操作過程需要依次對地圖上的所有柵格進行代價值計算，即需要對所有可能路線的移動代價進行計算，耗費的運算成本高。此外，當地圖中的障礙物或者目標點位置發生變化時，障礙物或者目標點可能落在已經遍歷過的點位上，A*算法將不再適用。

因此，有必要對現有的智能體導航系統進行改進，能夠實時、自適應尋找最優導航路徑。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本發明實施例提供了一種基于基因調控網絡的多智能體導航控制方法、設備及介質，能夠實時、自適應尋找最優導航路徑。

第一方面，本發明實施例提供了一種基于基因調控網絡的多智能體導航控制方法，包括：

步驟S100，獲取多個智能體所在的平面地圖；

步驟S200、將所述平面地圖轉換為柵格地圖，確定所述柵格地圖中的各個柵格對應的濃度信息；其中，所述濃度信息包含目標位置的濃度信息場和障礙物位置的濃度信息場；

步驟S300、確定待導航的智能體的當前柵格和目標柵格，根據所述柵格地圖中的各個柵格對應的濃度信息確定所述智能體從當前柵格到目標柵格的最優路徑；其中，所述當前柵格為所述智能體當前所在的柵格，所述目標柵格為目標位置在柵格地圖中所在的柵格；

步驟S400、在所述智能體沿最優路徑前行過程中，從與所述當前柵格相鄰的8個鄰域柵格中篩選出空置柵格，確定每個空置柵格的濃度評估值、第一距離評估值和第二距離評估值；其中，所述空置柵格為所述智能體可通行的柵格，所述濃度評估值為所述智能體當前時刻所在柵格和所述空置柵格的濃度信息之差，所述第一距離評估值為所述智能體的上一柵格和所述空置柵格之間的距離差值，所述第二距離評估值為所述空置柵格和所述目標柵格之間的距離差值；

步驟S500、根據所述濃度評估值、第一距離評估值和第二距離評估值確定每個空置柵格的代價評估值，將代價評估值最小的空置柵格作為待進入柵格；

步驟S600、確定待進入柵格距離障礙物位置所在柵格的障礙物距離，基于所述障礙物距離確定所述智能體的運行狀態，根據所述智能體的運行狀態控制所述智能體朝目標位置前行。

在一些實施例中，所述將所述平面地圖轉換為柵格地圖，確定所述柵格地圖中的各個柵格對應的濃度信息，包括：

確定所述柵格地圖中目標位置所在柵格、障礙物位置所在柵格以及智能體的可移動范圍邊界；

將所述柵格地圖導入基因調控網絡模型中，生成目標濃度地圖和障礙物濃度地圖；其中，所述目標濃度地圖中的各個柵格包含目標位置的濃度信息場，所述目標濃度地圖中的各個柵格包含障礙物位置的濃度信息場；

將所述目標濃度地圖和所述障礙物濃度地圖按對應柵格進行耦合，得到所述柵格地圖中各個柵格對應的濃度信息。

在一些實施例中，生成目標濃度地圖所依賴的計算公式為：