基于遺傳蟻群算法的移動機(jī)器人路徑規(guī)劃方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)器人智能算法技術(shù)領(lǐng)域，具體涉及一種基于遺傳蟻群算法的移動機(jī) 器人路徑規(guī)劃方法。
【背景技術(shù)】
[0002] 移動機(jī)器人是智能控制技術(shù)中的一個重要領(lǐng)域，除用于宇宙探測、海洋開發(fā)和原 子能等領(lǐng)域外，在工廠自動化、建筑、采礦、排險、軍事、服務(wù)、農(nóng)業(yè)等方面也有廣泛的應(yīng)用前 景。路徑規(guī)劃的方法有很多，比如最速下降法，人工勢場法，模糊推理法等，使用最速下降法 收斂慢，效率不高，有時達(dá)不到最優(yōu)解;使用人工勢場法便于底層的實(shí)時控制，但缺乏全局 信息，存在局部最優(yōu)值問題;使用模糊推理法最大的優(yōu)點(diǎn)是實(shí)時性非常好，但是模糊隸屬函 數(shù)的設(shè)計、模糊控制規(guī)則的制定主要靠人的經(jīng)驗(yàn)。
[0003]遺傳算法證明是一種全局搜索能力強(qiáng)的算法，具有很強(qiáng)的魯棒性，并行性。從宏觀 的角度看，遺傳算法具有一定的方向性，因此它不同于一般的隨機(jī)算法，它所使用的隨機(jī)選 擇只是在有方向的搜索過程中的一種工具，正是由于它的方向性，使得它比一般的隨機(jī)算 法效率更高。
[0004] 蟻群算法是人們受到真實(shí)世界螞蟻尋實(shí)行為的影響而提出的一種新型的基于種 群尋優(yōu)的啟發(fā)式算法，它是一種自組織的，并行的，正反饋的仿生學(xué)算法，具有較強(qiáng)的魯棒 性，能在實(shí)際路徑搜索中對外界影響作出動態(tài)響應(yīng)，使得它在路徑規(guī)劃中得到了廣泛的應(yīng) 用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種移動機(jī)器人路徑規(guī)劃方法及系統(tǒng)，以解決蟻群算法初期 階段出現(xiàn)盲目性的技術(shù)問題。
[0006] 為了解決上述技術(shù)問題，本發(fā)明提供了一種移動機(jī)器人路徑規(guī)劃方法，包括如下 步驟：
[0007] 步驟S1，通過建立坐標(biāo)系對環(huán)境進(jìn)行建模；
[0008]步驟S2,將遺傳算法得到的一部分優(yōu)化解轉(zhuǎn)化為蟻群算法的信息素初始值；
[0009] 步驟S3,通過蟻群算法再進(jìn)行路徑尋優(yōu)，尋優(yōu)結(jié)束后對符合條件的路徑進(jìn)行交叉 操作，最終得到最優(yōu)路徑。
[0010] 進(jìn)一步，所述步驟1中通過建立坐標(biāo)系對環(huán)境進(jìn)行建模的方法包括：
[0011] 利用移動機(jī)器人自帶的環(huán)境探測裝置對環(huán)境進(jìn)行建模以生成一條隨機(jī)初始路徑。
[0012] 進(jìn)一步，所述步驟S2中將遺傳算法得到的一部分優(yōu)化解轉(zhuǎn)化為蟻群算法的信息素 初始值的方法包括：
[0013] 步驟S21，初始化遺傳參數(shù)，以產(chǎn)生初始種群；
[0014] 步驟S22,設(shè)置適應(yīng)度函數(shù)，計算每個種群的適應(yīng)度；
[0015] 步驟S23,將適應(yīng)度較高的前50%組解轉(zhuǎn)換為蟻群算法的信息素初始值#^
[0016] 進(jìn)一步，所述步驟S3中通過蟻群算法再進(jìn)行路徑尋優(yōu)，尋優(yōu)結(jié)束后對符合條件的 路徑進(jìn)行交叉操作，最終得到最優(yōu)路徑的方法包括如下步驟：
[0017] 步驟S31，設(shè)置蟻群規(guī)模m2,最大迭代次數(shù)N。以及迭代次數(shù)初值u為0,并按下式初始 化剩余信息素：
[0018] 4 式中：知表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離；
[0019] 步驟S32,每只螞蟻按照狀態(tài)轉(zhuǎn)移公式選擇下一節(jié)點(diǎn)，直到到達(dá)目標(biāo)點(diǎn)則輸
[0020] 出路徑，若比當(dāng)前迭代最優(yōu)路徑短，則對其更新，狀態(tài)轉(zhuǎn)移公式如下：
[0021]
[0022] 式中：allowk(k=l，2. . .m2)為螞蟻k待訪問節(jié)點(diǎn)的集合，開始時，allowk中有(Π12-1)個元素，即包括除了螞蟻k出發(fā)節(jié)點(diǎn)的其他所有節(jié)點(diǎn)，隨著時間的推進(jìn)，all 〇Wk中的元素 逐漸減少，直至為空，即表示所有的節(jié)點(diǎn)均訪問完畢；
[0023] T^(t)表示在t時刻節(jié)點(diǎn)i、節(jié)點(diǎn)j間路徑上的信息素濃度;α為信息素重要程度因 子;β為啟發(fā)函數(shù)重要程度因子，即螞蟻會以較大的概率轉(zhuǎn)移到距離短的節(jié)點(diǎn)；
[0024] ruKt)為啟發(fā)函數(shù)，表示t時刻螞蟻從節(jié)點(diǎn)i轉(zhuǎn)移到節(jié)點(diǎn)j的期望程度，計算公式如 下：
cU謙示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離；
[0025」步驟S33,對尋優(yōu)過的路徑按如下公式進(jìn)行全局信息素更新，同時輸出本次迭代的 最優(yōu)路徑，同時判斷本次迭代最優(yōu)路徑與當(dāng)前全局最優(yōu)路徑是否有除起始點(diǎn)和目標(biāo)點(diǎn)以外 的相同點(diǎn)；
[0026] 若有，則以該節(jié)點(diǎn)為交叉點(diǎn)，對兩條路徑進(jìn)行交叉操作，產(chǎn)生新路徑與全局最優(yōu)路 徑比較，若新路徑短，則更新全局最優(yōu)路徑；
[0027] 對尋優(yōu)過的路徑進(jìn)行全局信息素更新的公式如下：
[0028] Tij(t+1) = (l-p)xij(t)+p Δ Tij(t)+ Δ iTij-Δ 2Tij；
[0029]

[0030]
[0031]
[0032]式中，P表示全局信息素?fù)]發(fā)系數(shù)，Δ#表示第k只螞蟻在節(jié)點(diǎn)i與節(jié)點(diǎn)j連接路徑 上釋放的信息素濃度，A m謙示經(jīng)過本輪最優(yōu)路徑的信息素增量，△心謙示經(jīng)過本輪最 差路徑的信息素增量;1^丄2分別表示本次循環(huán)中的局部最優(yōu)長度、局部最差長度;1^、1?分 別表示本次循環(huán)局部最優(yōu)、局部最差螞蟻個數(shù)；
[0033] 步驟S34,循環(huán)次數(shù)u = u+l;
[0034] 步驟S35，把螞蟻重新放回起始點(diǎn)，進(jìn)行下一輪迭代；
[0035] 步驟S36，若迭代次數(shù)u>N。，則尋優(yōu)結(jié)束，輸出最優(yōu)路徑;否則轉(zhuǎn)入步驟S35。
[0036] 又一方面，本發(fā)明還提供了一種移動機(jī)器人路徑規(guī)劃系統(tǒng)，包括：
[0037] 環(huán)境建模模塊，通過建立坐標(biāo)系對環(huán)境進(jìn)行建模；
[0038] 用于獲得蟻群算法的信息素初始值的信息素獲得模塊，以及
[0039] 與信息素獲得模塊相連的最優(yōu)路徑獲得模塊。
[0040] 進(jìn)一步，所述環(huán)境建模模塊通過利用移動機(jī)器人自帶的環(huán)境探測裝置對環(huán)境進(jìn)行 建模以生成一條隨機(jī)初始路徑；
[0041] 所述環(huán)境探測裝置包括:移動機(jī)器人自帶的攝像頭、聲吶環(huán)、紅外傳感器。
[0042] 進(jìn)一步，所述信息素獲得模塊適于將遺傳算法得到的一部分優(yōu)化解轉(zhuǎn)化為蟻群算 法的信息素初始值;即
[0043] 初始化遺傳參數(shù)，以產(chǎn)生初始種群;設(shè)置適應(yīng)度函數(shù)，計算每個種群的適應(yīng)度；以 及將適應(yīng)度較高的前50%組解轉(zhuǎn)換為蟻群算法的信息素初始值< 〇
[0044] 進(jìn)一步，所述最優(yōu)路徑獲得模塊適于通過蟻群算法再進(jìn)行路徑尋優(yōu)，尋優(yōu)結(jié)束后 對符合條件的路徑進(jìn)行交叉操作，最終得到最優(yōu)路徑;即
[0045] 設(shè)置蟻群規(guī)模m2,最大迭代次數(shù)N。以及迭代次數(shù)初值u為0,并按下式初始化剩余信 息素：
[0046] _式中：dij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離；
[0047] 每只螞蟻按照狀態(tài)轉(zhuǎn)移公式選擇下一節(jié)點(diǎn)，直到到達(dá)目標(biāo)點(diǎn)則輸出路徑，若比當(dāng) 前迭代最優(yōu)路徑短，則對其更新，狀態(tài)轉(zhuǎn)移公式如下：
k.
[0048]
[0049] 式中：allowk(k=l，2…m2)為螞蟻k待訪問節(jié)點(diǎn)的集合，開始時，allowk中有(m2-l)個元素，即包括除了螞蟻k出發(fā)節(jié)點(diǎn)的其他所有節(jié)點(diǎn)，隨著時間的推進(jìn)，all OWk中的元素 逐漸減少，直至為空，即表示所有的節(jié)點(diǎn)均訪問完畢；
[0050] T^(t)表示在t時刻節(jié)點(diǎn)i、節(jié)點(diǎn)j間路徑上的信息素濃度;α為信息素重要程度因 子;β為啟發(fā)函數(shù)重要程度因子，即螞蟻會以較大的概率轉(zhuǎn)移到距離短的節(jié)點(diǎn)；
[0051] ruKt)為啟發(fā)函數(shù)，表示t時刻螞蟻從節(jié)點(diǎn)i轉(zhuǎn)移到節(jié)點(diǎn)j的期望程度，計算公式如 下： 屯表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離；
:，
[0052] 對尋優(yōu)過的路徑按如下公式進(jìn)行全局信息素更新，同時輸出本次迭代的最優(yōu)路 徑，同時判斷本次迭代最優(yōu)路徑與當(dāng)前全局最優(yōu)路徑是否有除起始點(diǎn)和目標(biāo)點(diǎn)以外的相同 占 .
[0053] 若有，則以該節(jié)點(diǎn)為交叉點(diǎn)，對兩條路徑進(jìn)行交叉操作，產(chǎn)生新路徑與全局最優(yōu)路 徑比較，若新路徑短，則更新全局最優(yōu)路徑；
[0054] 對尋優(yōu)過的路徑進(jìn)行全局信息素更新的公式如下：
[0055] Tij(t+1) = (l-p)xij(t)+p Δ Tij(t)+ Δ iTij-Δ 2Tij；
[0056]
[0057]
[0058]
[0059] 式中，P表示全局信息素?fù)]發(fā)系數(shù)，表示第k只螞蟻在節(jié)點(diǎn)i與節(jié)點(diǎn)j連接路徑 上釋放的信息素濃度，A m謙示經(jīng)過本輪最優(yōu)路徑的信息素增量，△心謙示經(jīng)過本輪最 差路徑的信息素增量;1^丄2分別表示本次循環(huán)中的局部最優(yōu)長度、局部最差長度;1^、1?分 別表示本次循環(huán)局部最優(yōu)、局部最差螞蟻個數(shù)；
[0060] 循環(huán)次數(shù)u = u+l;
[0061 ]把螞蟻重新放回起始點(diǎn)，進(jìn)行下一輪迭代；
[0062] 若迭代次數(shù)u>N。，則尋優(yōu)結(jié)束，輸出最優(yōu)路徑;否則繼續(xù)迭代。
[0063] 本發(fā)明的有益效果是，本發(fā)明的移動機(jī)器人路徑規(guī)劃方法及系統(tǒng)克服了單個蟻群 算法存在的不可避免的弊端，即蟻群算法在搜索初始階段盲目性太大，實(shí)現(xiàn)了蟻群和遺傳 算法的優(yōu)勢互補(bǔ)，縮小了路徑搜索的查找范圍，提高了最優(yōu)路徑的搜索效率。
【附圖說明】
[0064]下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)