一种基于改进遗传算法的多移动机器人路径规划方法技术

本发明专利技术公开了一种基于改进遗传算法的多移动机器人路径规划方法，属于移动机器人领域，主要步骤包括：初始化算法的相关参数和初始化种群p(t)；计算出每个个体的适应度值；判断计数器t是否满足终止条件，若满足，算法结束，将当代种群中最优个体作为问题最优解输出；否则，转至下一步；根据设计的选择操作方法在种群p(t)中选出继续进行进化的个体；生成一个在(0,1)之间的随机数R1，判断R1是否满足交叉概率pc，若满足，转至下一步；否则，进行其他步骤。本发明专利技术不仅提高了获得机器人路径规划的全局最优解或近优解，而且提高了收敛的速度，可以进一步推广应用于生产调度等领域。

【技术实现步骤摘要】
一种基于改进遗传算法的多移动机器人路径规划方法
本专利技术属于机器人
，涉及移动机器人路径规划方向，适用于路径规划的优化并可进一步推广引用到作业车间调度等领域，具体涉及一种基于改进遗传算法的多移动机器人路径规划方法。
技术介绍
路径规划技术作为机器人研究领域的重要组成部分，其发展在一定程度上标志着机器人智能水平的高低，而路径规划方法的优劣直接影响路径规划效果。目前，国内外许多专家学者都在致力于路径规划算法的研究，常用的优化算法主要有人工势场法、免疫算法、蚁群优化算法、神经网络、粒子群优化算法和遗传算法等。其中，由于遗传算法具有并行性、全局搜索能力等优点，被国内外学者广泛应用到求解路径规划问题中。但随着研究的不断深入，应用遗传算法进行机器人路径规划的不足逐渐被发现，例如，局部最优、较慢的收敛速度、优化结果稳定性差等。因此，为了解决基本遗传算法存在的问题，本专利技术专利对基本遗传算法进行改进。
技术实现思路
根据以上现有技术的不足，本专利技术所要解决的技术问题是提出一种基于改进遗传算法的多移动机器人路径规划方法，解决基本遗传算法求解机器人路径规划问题在技术上存在的不足，针对移动机器人路本文档来自技高网...

【技术保护点】
一种基于改进遗传算法的多移动机器人路径规划方法，其特征在于，该方法具体步骤包括如下：Step 1：初始化算法的相关参数，包括种群规模m，终止进化代数T与调节参数k；Step 2：初始化种群p(t)，并设置迭代进化计数器t＝1；Step 3：计算出每个个体的适应度值；Step 4：判断计数器t是否满足终止条件，若满足，算法结束，将当代种群中最优个体作为问题最优解输出；否则，转至Step 5；Step 5：利用自适应选择方法和预选择机制方法在种群p(t)中选出继续进行进化的个体；Step 6：生成一个在(0,1)之间的随机数R1，判断R1是否满足交叉概率pc，若满足，转至Step 7；否则，转至S...

【技术特征摘要】
1.一种基于改进遗传算法的多移动机器人路径规划方法，其特征在于，该方法具体步骤包括如下：Step1：初始化算法的相关参数，包括种群规模m，终止进化代数T与调节参数k；Step2：初始化种群p(t)，并设置迭代进化计数器t＝1；Step3：计算出每个个体的适应度值；Step4：判断计数器t是否满足终止条件，若满足，算法结束，将当代种群中最优个体作为问题最优解输出；否则，转至Step5；Step5：利用自适应选择方法和预选择机制方法在种群p(t)中选出继续进行进化的个体；Step6：生成一个在(0,1)之间的随机数R1，判断R1是否满足交叉概率pc，若满足，转至Step7；否则，转至Step8；Step7：根据设计的交叉操作方法对个体进行交叉操作，生成新的个体。Step8：生成一个在(0,1)之间的随机数R2，判断R2是否满足变异概率pm，若满足，转至(9)；否则，转至Step10；Step9：根据设计的变异操作方法对个体进行变异操作，生成新的个体；Step10：生成新一代的种群p(t+1)，t＝t+1，转至Step4。2.根据权利要求1所述的基于改进遗传算法的多移动机器人路径规划方法，其特征在于，在所述Step2中，初始化种群过程中利用人工势场法对种群进行初始化，具体过程为：Step①：初始化相关参数，机器人置于起始位置；Step②：机器人放置在栅格环境下，确定机器人下一步与当前栅格相邻的可选栅格集合V；Step③：利用势...

【专利技术属性】
技术研发人员：王雷，李明，石鑫，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：安徽,34