一种基于权值矩阵的改进蚁群路径规划方法技术

技术编号:20617870 阅读:80 留言:0更新日期:2019-03-20 12:40
本发明专利技术涉及一种基于权值矩阵的改进蚁群路径规划方法,其创新地在路径规划问题中引入权值矩阵以提升算法效率,并优化了初始信息素的值,还对残留信息素及路径权值进行合理的限制。该改进后的蚁群路径规划方法能够根据实际应用场景进行人性化的路径规划,且能避免站点被重复访问以获取最短最优路径,大大提升了实际运行效率。

【技术实现步骤摘要】
一种基于权值矩阵的改进蚁群路径规划方法
本专利技术涉及自动导航领域,具体涉及一种基于权值矩阵的改进蚁群路径规划方法。
技术介绍
现代工业生产对自动化生产及物流系统提出了更高的要求,自动导引车简称AGV(AutomatedGuidedVehicles),它是智能工厂及智能物流系统当中的关键设备之一,能够实现无人、经济、高效的生产管理,而其中的路径规划是AGV智能化的关键技术之一。路径规划是在给定障碍物的环境当中,根据一定的优化准则(如路径最短、时间最短等),在其工作空间中找出一条从起点到重点的无碰撞的最有路径。一个较好的路径规划算法不仅能够提高自动化生产效率,同时还能保证生产设备的利用率,也是自主导航和智能避障的重要保证。对于自动生产线车间及物流仓储仓库,目前路径规划方式有很多种,比如模拟退火算法、人工势场法、神经网络算法、遗传算法、粒子群算法、Dijkstra算法、A*算法、Floyd算法等,但是有些在实际应用当中并没有较好的效果。模拟退火算法描述简单、使用灵活运行效率高,但存在收敛速度慢、随机性等缺陷,并且相关参数对于应用过程影响较大;人工势场法规划的路径平滑安全、描述简单,但是存在局部优化的问题,引力场的设计是算法能否成功应用的关键;神经网络算法有着较好的学习能力,但是泛化能力差是其致命的弱点;遗传算法易与其他算法结合,能充分发挥其迭代优势,但是运算效率低;粒子群算法易于实现、鲁棒性好、收敛速度快,但是容易陷入局部最优;Dijkstra算法成功率高、鲁棒性好,但是遍历节点过多、效率低是其对于大型复杂路径拓扑网络的致命弱点;A*算法扩展节点少、鲁棒性还、对环境信息反应快,但是实际应用中忽略了运动体自身的体积带来的节点限制;Floyd算法简单有效,但是存在时间复杂度高、不适合计算大量数据的缺点。现有技术的路径规划方法往往都存在单独惯性定位模块长时间运行存在累积误差导致定位精度持续下降,单独二维码定位模块运行过程定位离散,且在路径规划的实际应用中场景复杂、规模较大的问题,而一般的智能优化算法不能达到较好的效果。
技术实现思路
(一)要解决的技术问题基于此,本专利技术提出了一种基于权值矩阵的改进蚁群路径规划方法,通过创新地对传统蚁群算法进行适应性改进,以获得机器人运行的最优路径,使得AGV小车其能够在自动化车间和物流仓储仓库中惯性导引机器人的高效无碰运行。(二)技术方案为了达到上述目的,本专利技术提供了一种基于权值矩阵的改进蚁群路径规划方法,所述路径规划方法包括如下步骤:S1:读取车间栅格地图的数据,设定初始参数,包括蚁群算法中的当前循环次数Nc,最大循环次数Nmax以及初始信息素矩阵T,初始信息素矩阵T中的元素为τij,τij为站点i和站点j之间路径的信息素浓度,矩阵T的初始信息素浓度τ0能够根据蚂蚁总个数m以及路径权值ωij中的最小值ωmin进行计算,其计算公式(1)如下:S2:根据车间栅格地图上路径(i,j)之间的距离、斜率以及拥堵程度计算初始权值矩阵W,其中路径点i和路径点j之间路径的权值为ωij,权值表示路径的重要程度,数值越大表示越不重要,带来的负担越大,车间路径的初始权值矩阵为W={(ωij)}M×N,栅格地图的大小为M×N,初始权值矩阵W中站点i和站点j两点之间的路径权值ωij可按如下公式(2)进行计算:ωij=dij+dmax·λ(2)dij是站点i和站点j之间的实际距离,dmax是整个车间地图当中相邻两点之间最长路径,λ是拥堵系数,表示该路径的拥堵程度;当λ=1时表示道路过于拥堵,AGV应当避免通过,λ=0表示该路段不拥堵,AGV能够通行;对于最优路径规划,就是要找出路径总权值最小的灵活路线,当蚂蚁经过路径(i,j)时应该对其权值进行更新,当蚂蚁从i站点转移到j站点时,倘若权值不进行修改,蚂蚁k将去往i站点然后又回到j站点,当蚂蚁k再次到j点的时候相当于蚂蚁k经过了3次路径(i,j),由此设置路径(i,j)新权值ω′ij可做如下公式(3)的更新:ω′ij=3×ωij(3)S3:将m只蚂蚁随机分配到站点集当中,设定信息素浓度因子α和启发信息因子β;S4:根据初始信息素矩阵T以及临时权值矩阵Wk,对当前在站点i的第k个蚂蚁的转移概率进行计算,基于轮赌的方法基于转移概率对下一个访问的站点j进行选择,其中临时权值矩阵Wk的上标k代表第k个蚂蚁,Wk代表第k个蚂蚁更新时的初始权值矩阵W,换一种说法,每个蚂蚁探索完都需要对初始权值矩阵W进行更新,Wk代表第k个蚂蚁探索完进行更新时的权值矩阵W,其计算公式如上述公式(3)所示;S5:将新访问的站点j加入历史站点序列,并将待访问站点序列进行更新;更新临时权值矩阵中的ωij;S6:进行遍历操作,重复步骤S4和S5直到待访问站点序列为空;S7:重置临时权值矩阵;S8:判断完成访问任务的蚂蚁数是否达到最大,即是否每只蚂蚁均完成路径的搜索;若没有,即k<n,n为总的站点数,则k=k+1跳转至步骤S4;否则更新信息素矩阵T,并且进行下一步;S9:判断当前循环数是否达到最大循环数,若Nc<Nmax,则Nc=Nc+1返回到步骤S3;否则循环结束并且记录优化结果并输出。进一步的,在路径搜索过程中,信息素矩阵会不断地更新,为了防止局部路径上的信息素波动导致的搜索停滞,每一条路径上的残留信息素浓度会被限制到一个范围之中:[τmin,τmax],τmin和τmax分别为信息素浓度的下限值和上限值,τij为是站点i和站点j之间路径的信息素浓度;如果τij<τmin,令τij=τmin;如果τij>τmax,令τij=τmax。进一步的,在路径搜索过程当中初始权值矩阵W也应当被更新,路径权值ωij应当被限制到小于或等于ωwmax,以防止蚂蚁通过某条路径几次后导致选择该路径的概率急剧下降;即如果ω′ij>ωwmax,则令ω′ij=ωwmax,其中ωwmax为自行设定的路径权值ωij的最大值。进一步的,蚂蚁在路径搜索的过程当中会留下一定量的信息素,随着时间的累积会不断地增加,为了避免信息素产生的影响过多而覆盖启发信息带来的影响,因此当所有蚂蚁完成一次路径搜索时,会对所有路径上的信息素进行一次更新,新的信息素作为进一步优化的依据,其更新规则如下:代表第k个蚂蚁在路径(i,j)上所释放的信息素浓度,即路径(i,j)的信息素增量,T是时间增量,ρ是信息素挥发因子,其大小影响蚁群算法的收敛速度及全局搜索能力,取值范围为(0,1)之间。(三)有益效果由上述技术方案可知,本专利技术提出的一种基于权值矩阵的改进蚁群路径规划方法,其有益效果在于:1、创新地在路径规划问题中引入权值矩阵以提升算法效率。权值的引入调整了传统蚁群当中对于距离的定义,可根据车间的实际情况进行人性化的路径规划工作,对某些站点或路线进行尽可能的避让;另外权值的引入代替了传统的禁忌表,能使得某些站点能够被再次穿过,符合实际工业场景,提高了路径规划的效率。2、创新地将初始信息素的值进行了修改,利用蚂蚁总个数、初始路径权值计算得到合适的初始信息素,从而提高了规划效率。3、创新地对最大最小蚂蚁系统进行改进,对残留信息素及路径权值进行合理的限制,使得系统误差不会无限制的快速增大。4、改进后的蚁群路径规划算法,能够根据实际应用场景进行人性化的路本文档来自技高网
...

【技术保护点】
1.一种基于权值矩阵的改进蚁群路径规划方法,其特征在于,所述路径规划方法包括如下步骤:S1:读取车间栅格地图的数据,设定初始参数,包括蚁群算法中的当前循环次数Nc,最大循环次数Nmax以及初始信息素矩阵T,初始信息素矩阵T中的元素为τij,τij为站点i和站点j之间路径的信息素浓度,矩阵T的初始信息素浓度τ0能够根据蚂蚁总个数m以及路径权值ωij中的最小值ωmin进行计算,其计算公式(1)如下:

【技术特征摘要】
1.一种基于权值矩阵的改进蚁群路径规划方法,其特征在于,所述路径规划方法包括如下步骤:S1:读取车间栅格地图的数据,设定初始参数,包括蚁群算法中的当前循环次数Nc,最大循环次数Nmax以及初始信息素矩阵T,初始信息素矩阵T中的元素为τij,τij为站点i和站点j之间路径的信息素浓度,矩阵T的初始信息素浓度τ0能够根据蚂蚁总个数m以及路径权值ωij中的最小值ωmin进行计算,其计算公式(1)如下:S2:根据车间栅格地图上路径(i,j)之间的距离、斜率以及拥堵程度计算初始权值矩阵W,其中路径点i和路径点j之间路径的权值为ωij,权值表示路径的重要程度,数值越大表示越不重要,带来的负担越大,车间路径的初始权值矩阵为W={(ωij)}M×N,栅格地图的大小为M×N,初始权值矩阵W中站点i和站点j两点之间的路径权值ωij可按如下公式(2)进行计算:ωij=dij+dmax·λ(2)dij是站点i和站点j之间的实际距离,dmax是整个车间地图当中相邻两点之间最长路径,λ是拥堵系数,表示该路径的拥堵程度;当λ=1时表示道路过于拥堵,AGV应当避免通过,λ=0表示该路段不拥堵,AGV能够通行;对于最优路径规划,就是要找出路径总权值最小的灵活路线,当蚂蚁经过路径(i,j)时应该对其权值进行更新,当蚂蚁从i站点转移到j站点时,倘若权值不进行修改,蚂蚁k将去往i站点然后又回到j站点,当蚂蚁k再次到j点的时候相当于蚂蚁k经过了3次路径(i,j),由此设置路径(i,j)新权值ω′ij可做如下公式(3)的更新:ω′ij=3×ωij(3)S3:将m只蚂蚁随机分配到站点集当中,设定信息素浓度因子α和启发信息因子β;S4:根据初始信息素矩阵T以及临时权值矩阵Wk,对当前在站点i的第k个蚂蚁的转移概率进行计算,基于轮赌的方法基于转移概率对下一个访问的站点j进行选择,其中临时权值矩阵Wk的上标k代表第k个蚂蚁,Wk代表第k个蚂蚁更新时的初始权值矩阵W,换一种说法,每个蚂蚁探索完都需要对初始权值矩阵W进行更新,Wk代表第k个蚂蚁探索完...

【专利技术属性】
技术研发人员:张超刘一顺龙小军黄科科欧璐王强
申请(专利权)人:楚天智能机器人长沙有限公司
类型:发明
国别省市:湖南,43

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1