[發(fā)明專利]一種基于人工大猩猩部隊(duì)優(yōu)化算法的路徑規(guī)劃方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310501743.6
• 申請(qǐng)日: 2023-05-05
• 公開(kāi)（公告）號(hào): CN116625368A
• 公開(kāi)（公告）日: 2023-08-22
• 發(fā)明（設(shè)計(jì)）人: 邢立寧;張亞龍;孫進(jìn)強(qiáng);黃振華;盧鴻宇;何敏藩;戎海武;涂東陽(yáng);黃志偉
• 申請(qǐng)（專利權(quán)）人: 佛山科學(xué)技術(shù)學(xué)院
• 主分類號(hào): G01C21/20
• 分類號(hào): G01C21/20;G06Q10/047;G06N3/006
• 代理公司: 佛山市禾才知識(shí)產(chǎn)權(quán)代理有限公司 44379
• 代理人: 梁永健

本發(fā)明公開(kāi)了一種基于人工大猩猩部隊(duì)優(yōu)化算法的路徑規(guī)劃方法，包括構(gòu)建全局柵格環(huán)境地圖模型，初始化人工大猩猩部隊(duì)優(yōu)化算法的相關(guān)參數(shù)，相關(guān)參數(shù)包括種群規(guī)模，當(dāng)前迭代次數(shù)和最大迭代次數(shù)subgt;；/subgt;在全局柵格環(huán)境地圖模型中，初始化大猩猩種群中第i個(gè)大猩猩個(gè)體的當(dāng)前位置，評(píng)估大猩猩適應(yīng)度函數(shù)的適應(yīng)度值；判斷當(dāng)前迭代次數(shù)是否小于或等于最大迭代次數(shù)，若否，則輸出最優(yōu)的大猩猩位置，即全局最優(yōu)路徑；根據(jù)全局最優(yōu)路徑，對(duì)移動(dòng)機(jī)器人進(jìn)行路徑規(guī)劃。本發(fā)明解決了傳統(tǒng)機(jī)器人路徑規(guī)劃算法中局部搜索能力較弱以及容易陷入局部最優(yōu)解的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)領(lǐng)域，特別是一種基于人工大猩猩部隊(duì)優(yōu)化算法的路徑規(guī)劃方法。

背景技術(shù)

機(jī)器人路徑規(guī)劃是智能導(dǎo)航的重要組成部分，具體是指在一個(gè)含有一定障礙物的空間內(nèi)，從起始點(diǎn)找到前往目標(biāo)點(diǎn)的一條無(wú)碰撞最優(yōu)路徑或者是較優(yōu)路徑，實(shí)現(xiàn)移動(dòng)機(jī)器人避障并快速到達(dá)目標(biāo)點(diǎn)主要在于對(duì)相關(guān)算法的改進(jìn)優(yōu)化或者開(kāi)發(fā)一種由于前任算法的新的路徑規(guī)劃算法。

隨著科技的發(fā)展，機(jī)器人路徑規(guī)劃相關(guān)的技術(shù)越來(lái)越成熟，近年來(lái)，仿生群智能算法異軍突起，在機(jī)器人路徑規(guī)劃中應(yīng)用并取得顯著的效果，諸如遺傳算法、蟻群算法、粒子群算法、鯨魚優(yōu)化算法等。遺傳算法是最早提出的仿生群智能算法，在機(jī)器人路徑規(guī)劃中有良好效果，但其局部搜索能力較弱，往往得到的只是次優(yōu)解而非最優(yōu)解，且運(yùn)算時(shí)占用較大的內(nèi)部?jī)?chǔ)存空間。蟻群算法在路徑規(guī)劃中有很強(qiáng)的魯棒性，但其參數(shù)設(shè)置復(fù)雜，易出現(xiàn)早熟停滯行為，粒子群算法在路徑規(guī)劃中也具有良好的效果，但其搜索也容易發(fā)生早起收斂且容易陷入局部最優(yōu)解。

發(fā)明內(nèi)容

針對(duì)上述缺陷，本發(fā)明提出了一種基于人工大猩猩部隊(duì)優(yōu)化算法的路徑規(guī)劃方法，其目的在于解決了傳統(tǒng)機(jī)器人路徑規(guī)劃算法中局部搜索能力較弱以及容易陷入局部最優(yōu)解的問(wèn)題。

為達(dá)此目的，本發(fā)明采用以下技術(shù)方案：

一種基于人工大猩猩部隊(duì)優(yōu)化算法的路徑規(guī)劃方法，包括以下步驟：

步驟S1：構(gòu)建全局柵格環(huán)境地圖模型，初始化人工大猩猩部隊(duì)優(yōu)化算法的相關(guān)參數(shù)，相關(guān)參數(shù)包括種群規(guī)模N，當(dāng)前迭代次數(shù)t和最大迭代次數(shù)Itermax；

步驟S2：在全局柵格環(huán)境地圖模型中，初始化大猩猩種群中第i個(gè)大猩猩個(gè)體的當(dāng)前位置X_i(i＝1,2，…，N)，評(píng)估大猩猩適應(yīng)度函數(shù)的適應(yīng)度值；

步驟S3：判斷當(dāng)前迭代次數(shù)t是否小于或等于最大迭代次數(shù)Itermax，若否，則輸出最優(yōu)的大猩猩位置，即全局最優(yōu)路徑；

若是，則更新尋優(yōu)能力因子C和銀背大猩猩的領(lǐng)導(dǎo)能力因子L，大猩猩個(gè)體進(jìn)入探索階段，并判斷探索階段的大猩猩個(gè)體數(shù)是否小于或等于種群規(guī)模N，若是，則根據(jù)探索階段更新公式更新大猩猩的當(dāng)前位置；若否，則計(jì)算探索階段更新位置上大猩猩的適應(yīng)度值，并與原位置上大猩猩的適應(yīng)度值作比較，將適應(yīng)度值較大的大猩猩所在位置作為第一最優(yōu)位置；

大猩猩個(gè)體進(jìn)入開(kāi)發(fā)階段，并判斷開(kāi)發(fā)階段的大猩猩個(gè)體數(shù)是否小于或等于種群規(guī)模N，若是，則通過(guò)跟隨銀背大猩猩和爭(zhēng)奪成年雌性兩個(gè)機(jī)制的判斷進(jìn)行位置更新；若否，則計(jì)算開(kāi)發(fā)階段更新位置上大猩猩的適應(yīng)度值，并與第一最優(yōu)位置上大猩猩的適應(yīng)度值作比較，將適應(yīng)度值較大的大猩猩所在位置作為第二最優(yōu)位置，即全局最優(yōu)路徑；

步驟S4：根據(jù)全局最優(yōu)路徑，對(duì)移動(dòng)機(jī)器人進(jìn)行路徑規(guī)劃。

優(yōu)選地，在步驟S3中，尋優(yōu)能力因子C的具體計(jì)算公式如下：

其中，C為尋優(yōu)能力因子；F為尋優(yōu)能力的相關(guān)系數(shù)，由F＝cos(2×r₄)+1計(jì)算得出，r₄為每次迭代更新的隨機(jī)數(shù)，范圍在0～1；t為當(dāng)前迭代次數(shù)，Itermax為最大迭代次數(shù)；

銀背大猩猩的領(lǐng)導(dǎo)能力因子L的具體計(jì)算公式如下：