[發明專利]一種基于聚集-置換策略的機器人路徑規劃方法

在審

• 申請號: 202211295725.9
• 申請日: 2022-10-21
• 公開（公告）號: CN115469671A
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 楊瑞;徐晨晨;劉尚為;吳一非;呂其深;唐雨婷
• 申請（專利權）人: 江蘇海洋大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 南京專信知識產權代理有限公司 32605
• 代理人: 肖蘇宸

本發明公開了一種基于聚集?置換策略的機器人路徑規劃方法，包括如下步驟：1)初始化種群及各變量；2)基于路徑長度、角度與能耗設計適應度函數，對個體適應度進行排序，選出最優個體；3)保留適應度排序后的前j個個體，利用聚集策略更新剩余n?j個個體；4)利用置換策略更新隨機選中的m個個體；5)判斷是否達到終止條件，若未達到，利用遺傳算法交叉算子和變異算子增加種群多樣性；6)根據步驟2)?5)進行迭代直到停止，對迭代停止后生成的路徑進行冗余路徑點刪除，輸出最優路徑。本發明通過新的適應度函數平衡路徑長度、角度和能耗代價，結合聚集策略，加強對解空間的搜索能力；提出置換策略，實現算法快速逃離局部極值，并加快收斂速度。

技術領域

本發明涉及路徑規劃方法，尤其涉及一種基于聚集-置換策略的機器人路徑規劃方法。

背景技術

隨著控制技術和人工智能的不斷發展，機器人被廣泛用于生產、軍事及生活等各個領域。路徑規劃關鍵在路徑搜索算法的選取上。隨著各個領域對機器人自主性需求的增加，傳統的路徑規劃算法不足以滿足各領域的要求。作為機器人執行各種任務的必要條件，路徑規劃算法對于機器人的行進起著不可替代的作用。

提升算法性能的一種方法是針對算法本身存在的問題，設計相應的策略增強相應的算法能力；或者引入相關數學模型，解決缺陷問題。而另一種方法，則是和其他算法進行融合實現優勢互補。

針對這兩種方式，國內的研究學者都進行了相關的研究。對于算法本身的改進，更多的是對于算法收斂速度、種群多樣性等自身特性的稍許加強，適用性較低；另外，對于算法融合，融合后的算法能實現優勢互補，能力得到大幅度加強，國內算法融合重點關注性能的提升，較少考慮路徑長度、角度和機器人能耗等綜合因素對路徑規劃的影響；注重種群多樣性的改進，對于強化算法搜索能力關注較少。

發明內容

發明目的：針對現有技術存在的問題，本發明提出了一種基于聚集-置換策略的路徑規劃方法，將該方法應用到移動機器人路徑規劃中，能夠有效增強路徑搜索能力，所采用的路徑搜索算法兼顧收斂速度和跳出局部最優的能力，極大的縮短了傳統遺傳算法的最終規劃路徑長度和收斂時間，同時避免路徑搜索搜索算法陷入局部最優。

技術方案：本發明提出了一種基于聚集-置換策略的機器人路徑規劃方法，其特征在于，包括如下步驟：

1)初始化種群及各變量，所述初始化種群中個體總數為n；

2)基于路徑長度、路徑角度與機器人能耗，設計適應度函數，計算n個個體的適應度值；對個體的適應度值由小到大進行排序，選擇排序前n個個體，并選出最優個體gb；所述最優個體gb為適應度值最小的個體；

3)保留適應度排序后的前j個個體，利用適應度聚集策略更新剩余n-j個個體；根據n-j個個體的適應度值，通過閾值比較或者百分比劃分的方式將n-j個個體劃分為適應度較差個體和適應度中等個體；通過聚集策略引導剩余n-j個個體中適應度中等的個體向最優個體(即適應度值最小的個體)gb靠近，并讓適應度較差的個體隨機探索解空間；

優選的，將n-j個個體中適應度值在整個種群中的排序位置小于n/2的個體定義為適應度中等個體，否則為適應度較差個體；

4)利用置換策略更新隨機選中的m(種群個體總數的10％-20％)個個體，通過置換策略探索解空間未搜尋的區域，同時增強種群多樣性；

5)判斷是否達到終止條件，若達到，迭代結束；否則，利用先后遺傳算法交叉算子和變異算子生成新的n個體，此時種群中個體總數為2n，計算2n個個體的適應度，保留適應度好(即適應度值小)的前n個個體進入下次迭代；

6)根據步驟(2)-(5)進行迭代直到迭代結束，對迭代結束后生成的路徑進行冗余路徑點刪除，輸出最優路徑。

進一步的，步驟2)具體包括如下內容：

2-1)定義初始適應度