[發明專利]一種基于動態自適應參數調整的蜉蝣算法的移動機器人路徑規劃方法

在審

• 申請號: 202210507599.2
• 申請日: 2022-05-10
• 公開（公告）號: CN114995390A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 鄒阿威;王雷;蔡勁草;李偉民;李凡
• 申請（專利權）人: 安徽工程大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 安徽省蚌埠博源專利商標事務所(普通合伙) 34113
• 代理人: 楊晉弘

本發明公開一種基于動態自適應參數調整的蜉蝣算法的移動機器人路徑規劃方法，包括以下步驟：S1、采用柵格法創建機器人環境地圖；S2、初始化動態自適應參數調整的蜉蝣算法的相關參數；S3、更新算法中自適應參數數值S4、評估個體適應度，找到個體最優與群體最優位置；S5、更新雄雌蜉蝣位置速度，評估適應值；S6、對雄雌蜉蝣進行排序，依次序進行雄雌交配；S7、將子代隨機分為雄性雌性；S8、對雄雌蜉蝣進行排序，保留前n個優秀個體，更新個體最優與群體最優位置；S9、判斷是否滿足迭代停止條件，若是，則執行S10；否則，循環次數增加1，執行S3；S10、輸出保存的最優路徑。本發明不僅提高了算法的全局最優解而且提高了算法收斂速度。

技術領域

本發明涉及機器人路徑規劃技術領域，具體是一種基于動態自適應參數調整的蜉蝣算法的移動機器人路徑規劃方法。

背景技術

隨著科技的進步，互聯網技術不斷發展，機器人的應用越來越廣泛，移動機器人在生產生活等各個領域都發揮出了巨大的作用。而在移動機器人的使用過程中，路徑規劃起到了極大的作用，是移動機器人功能實現的極重要一環。路徑規劃，是指移動機器人在一定的約束條件下，實現由起始點到目標點的一條滿足特定的優化準則的可行路徑。路徑規劃研究近年來不斷發展，有許多優秀的優化方法，如傳統的人工勢場法，A*算法，快速拓展隨機樹法，以及新興的智能算法如粒子群算法，蟻群算法，遺傳算法，蜉蝣算法等。

蜉蝣算法是由Konstantinos Zervoudakis于2020年提出的一種新型智能優化算法，模擬了蜉蝣的飛行行為和交配過程，綜合了群體智能和進化算法的優勢，其可以認為是粒子群優化算法的一種改進，綜合了粒子群、遺傳算法和螢火蟲算法的各大優勢。但蜉蝣算法在具備了種種優點的同時，也包含了一些缺點，諸如收斂速度慢，容易陷入局部最優解，求解精度較差等。針對這些不足，國內外諸多學者都嘗試著對傳統的蜉蝣算法進行改進，雖然大量的仿真結果表明了一些對基本蜉蝣算法上的改進策略是可行且有效的，但是，其中依舊存在一些缺陷需要彌補，例如固定的慣性權重和學習因子導致的全局搜索與局部搜索的不平衡，使前期尋優能力不足，易產生局部最優，后期又易沖出最優區域，導致精度不足。

發明內容

本發明的目的在于提供一種基于動態自適應參數調整的蜉蝣算法的移動機器人路徑規劃方法，該方法能夠克服傳統蜉蝣算法收斂速度慢、易陷入局部最優等缺點，不僅提高了獲得機器人路徑規劃的全局最優解的質量，而且提高了收斂的速度。

本發明解決其技術問題所采用的技術方案是：

一種基于動態自適應參數調整的蜉蝣算法的移動機器人路徑規劃方法，包括以下步驟：

步驟1初始化環境，對運動環境進行數字編碼，編碼得到的0-1矩陣映射為柵格圖模型；

步驟2初始化算法的固定參數：雄雌蜉蝣的位置x，速度v，數量n，雌性蜉蝣正吸引系數a₃，視力系數β，隨機游走系數fl，速度最大值Velmax，速度最小值Velmin，迭代次數T，舞蹈系數dance；

步驟3更新自適應參數數值：正吸引系數a₁,a₂,慣性權重g

步驟4評估個體適應度，找到個體最優pbest與群體最優位置gbest,適應度依公式(1)計算；

步驟5通過公式(2)-(5)更新雄雌蜉蝣位置速度，評估適應度；

其中r_p,r_g是x_i和局部最優和全局最優間的笛卡爾距離,e是[-1,1]的隨機數,r_mf是雄性和雌性之間的笛卡爾距離。