一種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法
【專利摘要】本發(fā)明請求保護一種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法，該方法包括步驟：S1、確定移動機器人系統(tǒng)代價函數(shù)；S2、對移動機器人系統(tǒng)進行初始化，得到所有可能路徑；S3、利用混沌螢火蟲算法對每一條路徑進行迭代更新，包括對亮度和位置的更新；S4、對更新后的路徑進行排序，得到局部最優(yōu)路徑；S5、迭代次數(shù)完成進行步驟S6，否則進行步驟S3；S6、利用最優(yōu)調(diào)整策略調(diào)整當前局部最優(yōu)路徑；S7、輸出全局最優(yōu)路徑。本發(fā)明能夠使移動機器人在最短時間內(nèi)尋找到通過狹窄區(qū)域的最優(yōu)路徑。
【專利說明】
一種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及移動機器人導(dǎo)航領(lǐng)域，特別是一種基于混沌螢火蟲算法的移動機器人 路徑規(guī)劃方法。
【背景技術(shù)】
[0002] 路徑規(guī)劃是移動機器人導(dǎo)航中的關(guān)鍵技術(shù)之一，其目的是從起始位置到目標位置 尋找一條最優(yōu)的無碰撞路徑。隨著移動機器人應(yīng)用范圍的不斷擴大，使其對路徑規(guī)劃技術(shù) 的要求越來越高。一些新型人工智能(41*1^;^(^3111^61118611〇6,41)技術(shù)逐漸應(yīng)用于路徑 規(guī)劃中，尤其是群集智能（Swarm Intelligence，SI)技術(shù)。例如，Garcia提出基于蟻群啟發(fā) 式的路徑規(guī)劃方法，并證明了該方法適合于靜態(tài)和動態(tài)環(huán)境中的路徑規(guī)劃;Gong提出了一 種基于多目標粒子群優(yōu)化的路徑規(guī)劃方法，利用自適應(yīng)變異操作提高可行路徑的質(zhì)量； Peng通過改進基于人工魚群算法的路徑規(guī)劃方法來提高移動機器人在不同環(huán)境中路徑規(guī) 劃的適應(yīng)性。螢火蟲算法(Firefly Algorithm，F(xiàn)A)與其他生物啟發(fā)算法相比，它的理論和 實現(xiàn)都相對簡單，在路徑規(guī)劃中也有一定的應(yīng)用，如:Li利用螢火蟲算法和Bezier曲線來尋 找最短無沖突的可行路徑，但該算法仍然存在一些問題，如收斂速度慢，計算量大，穩(wěn)定性 差，易陷入局部最優(yōu)等。因此，基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法在狹窄區(qū)域 內(nèi)快速搜所到最優(yōu)路徑有非常重要的意義。本方法利用Lozi's映射混沌序列調(diào)整螢火蟲算 法中的控制參數(shù)，避免了陷入局部最優(yōu)，同時采用最優(yōu)調(diào)整策略，對螢火蟲算法進行高斯干 擾，增強了該方法的搜索能力，并將該方法應(yīng)用于移動機器人路徑規(guī)劃中，解決了移動機器 人在狹窄區(qū)域內(nèi)的路徑規(guī)劃問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種收斂速度快，不易陷入局部最 優(yōu)的基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法。本發(fā)明的技術(shù)方案如下：
[0004] -種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法，其包括以下步驟：
[0005] S1、獲取移動機器人起始點到目標點的可行路徑參數(shù)，確定移動機器人系統(tǒng)代價 函數(shù);S2、對移動機器人系統(tǒng)進行初始化，得到所有可能路徑;S3、利用混沌螢火蟲算法對步 驟S2每一條路徑進行迭代更新，包括對亮度和位置的更新;S4、對更新后的路徑進行排序， 得到局部最優(yōu)路徑;S5、步驟S3迭代次數(shù)完成進行步驟S6，否則繼續(xù)進行步驟S3; S6、利用最 優(yōu)調(diào)整策略調(diào)整當前局部最優(yōu)路徑;S7、輸出全局最優(yōu)路徑。
[0006] 進一步的，所述步驟S1移動機器人系統(tǒng)代價函數(shù)表示為：
[0007 ] Ε = ω iEl+ ω 2Ed
[0008]其中ω1; ω 2分別表示長度系數(shù)和冒險系數(shù)，且ο^+ωρ?，取值分別為(^ = 0.75, ω 2 = 〇. 25，EL表示移動機器人從起始點到目標點的可行路徑距離，Ed表示可行路徑中各節(jié) 點和環(huán)境中障礙物的代價函數(shù)；
[0009]
其中（^，71，21)，表示可行路徑中第1個節(jié)點的坐標，1 = 1…n-l，￡@表示移動機器人起始點與可行路徑第一節(jié)點間的距離，Ayr表示移動機器人目 標點與可行路徑最后一個節(jié)點間的距離，A U表示可行路徑中每兩個相鄰節(jié)點之間的距 離
[0010] ED = C(lu+k2)，其中C表示代價系數(shù)，且C>0，lu表示可行路徑中節(jié)點個數(shù)，k2表示環(huán) 境中障礙物個數(shù)。
[0011] 進一步的，所述步驟S3利用混沌螢火蟲算法對步驟S2每一條路徑進行迭代更新包 括：
[0012] S31、采用步驟S1得到的代價函數(shù)表示螢火蟲的絕對亮度，代價函數(shù)值表示螢火蟲 所在位置處潛在的解，即每個螢火蟲代表一條可行的路徑，螢火蟲的數(shù)量代表可行路徑的 數(shù)量，螢火蟲的絕對亮度代表路徑的質(zhì)量；
[0013] S32、絕對亮度小的螢火蟲向絕對亮度大的螢火蟲移動，這里的絕對亮度是指螢火 蟲在當前位置的亮度；螢火蟲相對亮度是指兩個螢火蟲之間相對的亮度，表示為 /^^卜/^^^其中"表示最大亮度汾別進行螢火蟲亮度和位置的更新；
[0014] 螢火蟲相對亮度與吸引力成正比，吸引力表示為：
[0015]
[0016] 螢火蟲位置更新公式表示為：
[0017] xi = xi+0ij(i j) (xi-xj)+a(t) (rand+0.5)
[0018] 其中t為迭代次數(shù)，xi,xj為螢火蟲i和螢火蟲j所處的空間位置，為螢火蟲的最大 吸引力溈兩個螢火蟲之間的距離，rand表示為[0，1]之間的均勻分布；
[0019] γ (t)為Lozi's映射混沌序列表示的光吸收系數(shù)，表示為：
[0021 ] a (t)為Lozi ' s映射混沌序列表示的隨機參數(shù)，表示為：
[0023] 其中，t為迭代次數(shù)，ai，bi為控制γ (t)變化的控制參數(shù)，a2，b2為控制a(t)變化的 控制參數(shù)。
[0024] 進一步的，所述 y(l)=〇.7(t = l)，a(l) = l(t = l)，al=a2 = 1.7，bl=b2 = 0.5。
[0025] 進一步的，所述步驟S4對更新后的路徑進行排序，得到局部最優(yōu)路徑采用的排序 方法包括比較法、冒泡法。
[0026] 進一步的，所述步驟S6的最優(yōu)調(diào)整策略為：
[0027] 用高斯分布對每次迭代的最優(yōu)路徑的位置進行微小擾動，即：
[0028] xtlest = Xbest + Xbesi*l]?N'(0,\)
[0029] 其中，.為高斯擾動后的最優(yōu)位置，Xbest為當前最優(yōu)位置，η為控制參數(shù)，N( 0，1) 為高斯分布。
[0030] 本發(fā)明的優(yōu)點及有益效果如下：
[0031] 本發(fā)明是一種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法，利用Lozi's映射 混沌序列調(diào)整螢火蟲算法中的控制參數(shù)，避免了陷入局部最優(yōu)，提高了收斂速度;采用最優(yōu) 調(diào)整策略，對螢火蟲算法進行高斯干擾，增強了該算法的搜索能力。并將本方法應(yīng)用于移動 機器人路徑規(guī)劃中，使其在較短時間內(nèi)規(guī)劃出一條通過狹窄區(qū)域的最優(yōu)路徑。
【附圖說明】
[0032] 圖1是本發(fā)明提供優(yōu)選實施例基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法流 程圖。
【具體實施方式】
[0033]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、詳 細地描述。所描述的實施例僅僅是本發(fā)明的一部分實施例。
[0034]本發(fā)明的技術(shù)方案如下：
[0035] 本發(fā)明提供了一種基于混沌螢火蟲算法的移動機器人路徑規(guī)劃方法，其特征在 于，包括以下步驟：
[0036] S1，確定移動機器人系統(tǒng)代價函數(shù)。在本實施方式中，移動機器人系統(tǒng)代價函數(shù)表 示為：
[0037] Ε = ω iEl+ ω 2Ed
[0038] 其中ω1; ω 2分別表示長度系數(shù)和冒險系數(shù)，且0^+(0 2 = 1，取值分別為(^ = 0.75, ω 2 = 〇. 25，El表示移動機器人從起始點到目標點的可行路徑距離，Ed表示可行路徑中各節(jié) 點和環(huán)境中障礙物的代價函數(shù)。
[0039]
，其中（xi，yi，zi)，? = 1···η-1，表示可行路徑中第i個節(jié)點的 坐標，4?表示移動機器人起始點與可行路徑第一節(jié)點間的距離，表示移動機器人目標點 與可行路徑最后一個節(jié)點間的距離，△^表示可行路徑中每兩個相鄰節(jié)點之間的距離，且
[0040] ED = C(lu+k2)，其中C表示代價系數(shù)，且c>0，lu表示可行路徑中節(jié)點個數(shù)，k2表示環(huán) 境中障礙物個數(shù)。
[0041] S2,對移動機器人系統(tǒng)進行初始化，得到所有可能路徑。
[0042] S3,利用混沌螢火蟲方法對每一條路徑進行迭代更新，包括對亮度和位置的更新。 在本實施方式中，混沌螢火蟲方法為：
[0043] 用代價函數(shù)表示螢火蟲的絕對亮度，代價函數(shù)值表示螢火蟲所在位置處潛在的 解，即每個螢火蟲代表一條可行的路徑，螢火蟲的數(shù)量代表可行路徑的數(shù)量，螢火蟲的絕對 亮度代表路徑的質(zhì)量。
[0044] 絕對亮度小的螢火蟲向絕對亮度大的螢火蟲移動，分別進行螢火蟲亮度和位置的 更新。螢火蟲相對亮度是指兩個螢火蟲之間相對的亮度，表示為/^其中Ιο表 示最大亮度，絕對亮度是指螢火蟲在當前位置的亮度。
[0045]螢火蟲相對亮度與吸引力成正比。吸引力表示為：
[0047]螢火蟲位置更新公式表示為：
[0048] xi = xi+0ij(i j) (xi-xj)+a(t) (rand+0.5)
[0049] 其中t為迭代次數(shù)，xi，xj為螢火蟲i和螢火蟲j所處的空間位置，為螢火蟲的最大 吸引力溈兩個螢火蟲之間的距離，rand表示為[0，1]之間的均勻分布。
[0050] γ (t)為Lozi's映射混沌序列表示的光吸收系數(shù)，表示為：
[0052] a (t)為Loz i ' s映射混沌序列表示的隨機參數(shù)，表示為：
[0054] 其中，t為迭代次數(shù)，ai，bi為控制γ (t)變化的控制參數(shù)，a2，b2為控制a(t)變化的 控制參數(shù)，且 y(l)=0.7(t = l)，a(l) = l(t = l)，al=a2 = 1.7，bl=b2 = 0.5。
[0055] S4,對更新后的路徑進行排序，得到局部最優(yōu)路徑采用的排序方法包括比較法、冒 泡法。
[0056] S5，迭代次數(shù)完成進行步驟S6，否則進行步驟S3。
[0057] S6,利用最優(yōu)調(diào)整策略調(diào)整當前局部最優(yōu)路徑。在本實施方式中，最優(yōu)調(diào)整策略 為：
[0058]用高斯分布對每次迭代的最優(yōu)路徑的位置進行微小擾動，即：
[0060] 其中，.?：￡#為高斯擾動后的最優(yōu)位置，Xbest為當前最優(yōu)位置，η為控制參數(shù)，N( 0，1) 為高斯分布。
[0061] S7,輸出全局最優(yōu)路徑。
[0062] 在本說明書的描述中，參考術(shù)語"一個實施例"、"一些實施例"、"示例"、"具體示 例"、或"一些示例"等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特 點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不 一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何 的一個或多個實施例或示例中以合適的方式結(jié)合。
[0063] 以上這些實施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護范圍。在 閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等效變 化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。
【主權(quán)項】
1. 一種基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征在于，包括W下步驟： S1、獲取移動機器人起始點到目標點的可行路徑參數(shù)，確定移動機器人系統(tǒng)代價函數(shù)； S2、對移動機器人系統(tǒng)進行初始化，得到所有可能路徑；S3、利用混濁蛋火蟲算法對步驟S2 每一條路徑進行迭代更新，包括對亮度和位置的更新;S4、對更新后的路徑進行排序，得到 局部最優(yōu)路徑;S5、步驟S3迭代次數(shù)完成進行步驟S6，否則繼續(xù)進行步驟S3; S6、利用最優(yōu)調(diào) 整策略調(diào)整當前局部最優(yōu)路徑;S7、輸出全局最優(yōu)路徑。2. 根據(jù)權(quán)利要求1所述的基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征在 于，所述步驟S1移動機器人系統(tǒng)代價函數(shù)表示為： E = ω iEl+ ω 2Ed 其中ωι，ω2分別表示長度系數(shù)和冒險系數(shù)，且ω 1+0 2=1，取值分別為ω 1 = 0.75, ω2 =0.25，El表示移動機器人從起始點到目標點的可行路徑距離，Ed表示可行路徑中各節(jié)點和 環(huán)境中障礙物的代價函數(shù)；，其中（Xi，yi，Zi)，表示可行路徑中第i個節(jié)點的坐標，i = 1， 寫??表示移動機器人起始點與可行路徑第一節(jié)點間的距離，表示移動機器人目標點與可 行路徑最后一個節(jié)點間的距離，ALi表示可行路徑中每兩個相鄰節(jié)點之間的距離，且ED = (Xkl+k2)，其中C表示代價系數(shù)，且C〉0，ki表示可行路徑中節(jié)點個數(shù)，k康示環(huán)境中 障礙物個數(shù)。3. 根據(jù)權(quán)利要求1或2所述的基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征 在于，所述步驟S3利用混濁蛋火蟲算法對步驟S2每一條路徑進行迭代更新包括： 531、 采用步驟S1得到的代價函數(shù)表示蛋火蟲的絕對亮度，代價函數(shù)值表示蛋火蟲所在 位置處潛在的解，即每個蛋火蟲代表一條可行的路徑，蛋火蟲的數(shù)量代表可行路徑的數(shù)量， 蛋火蟲的絕對亮度代表路徑的質(zhì)量； 532、 絕對亮度小的蛋火蟲向絕對亮度大的蛋火蟲移動，運里的絕對亮度是指蛋火蟲在 當前位置的亮度；蛋火蟲相對亮度是指兩個蛋火蟲之間相對的亮度，表示為廷中1〇表示最大亮度，分別進行蛋火蟲亮度和位置的更新； 蛋火蟲相對亮度與吸引力成正比，吸引力表示為：蛋火蟲位置更新公式表示為： Xi = Χ?+β?j (i j) (Xi-Xj) +α (t) (rand+0.5)其中t為迭代次數(shù)，為蛋火蟲i和蛋火蟲j所處的空間位置，i3〇為蛋火蟲的最大吸引 力-r;;兩而冬巧小由方間的帕窗-r…Η棄兩為[0，1 ]之間的均勻分布. t吸收系數(shù)，表示為： a(t)為Lozi's映射混濁序列表示的隨機參數(shù)，表示為：其中，t為迭代次數(shù)，ai，b功控制丫（t)變化的控制參數(shù)，a2，b2為控制a(t)變化的控制參 數(shù)。4. 根據(jù)權(quán)利要求3所述的基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征在 于，所述丫（l)=〇.7(t = l)，日（I) = l(t = l)，al=a2 = 1.7，bl=b2 = 0.5。5. 根據(jù)權(quán)利要求1所述的基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征在 于，所述步驟S4對更新后的路徑進行排序，得到局部最優(yōu)路徑采用的排序方法包括比較法、 冒泡法。6. 根據(jù)權(quán)利要求1所述的基于混濁蛋火蟲算法的移動機器人路徑規(guī)劃方法，其特征在 于，所述步驟S6的最優(yōu)調(diào)整策略為： 用高斯分布對每次迭代的最優(yōu)路徑的位置進行微小擾動，即：其中，為高斯擾動后的最優(yōu)位S，xbest為當前最優(yōu)位S，ri為控制參數(shù)，N(0，1)為高 斯分布。
【文檔編號】G05D1/02GK106094833SQ201610569272
【公開日】2016年11月9日
【申請日】2016年7月19日
【發(fā)明人】羅元, 龐冬雪, 張毅
【申請人】重慶郵電大學(xué)