一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统技术方案

本发明专利技术属于机器人技术领域，公开了一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统(ABR)，结合蚁群算法和蜂群算法的各自优点，基于栅格建模环境，使用蜂群算法快速寻优最佳规划路径并对应转化为蚁群算法信息素分布，有利于加快蚁群算法对全局规划路径的寻优速度；同时新颖的可信度方案在路径点选策略的应用及信息素更新策略的融入有利于实现蚂蚁之间的并行搜索，提高待规划路径问题解的精度。本发明专利技术实施效果显示出ABR能有效在复杂障碍环境中寻优到全局最优的规划路径，是一种新颖的具有直观简明﹑普适性等特点的机器人路径规划方法。

A robot path planning method and system based on Ant Colony Algorithm in obstacle environment

This invention belongs to the field of robot technology, and discloses a robot path planning method and system (ABR) based on ant colony algorithm under the obstacle environment. It combines the advantages of ant colony algorithm and colony algorithm. Based on the grid modeling environment, the optimal path is quickly optimized by the swarm algorithm and the corresponding pheromone is transformed into ant colony algorithm. Distribution is beneficial to speed up the optimization speed of ant colony algorithm for global planning path; at the same time, the application of the novel credibility scheme in path point selection strategy and the integration of pheromone updating strategy are beneficial to the realization of the parallel search among ants and the improvement of the accuracy of the solution of the path problem to be planned. The implementation effect of the invention shows that ABR can effectively optimize the global optimal planning path in the complex obstacle environment. It is a novel robot path planning method with the characteristics of intuitive simplicity and universality.

【技术实现步骤摘要】
一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统
本专利技术属于机器人
，尤其涉及一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统（ABR）。
技术介绍
路径规划是移动机器人在实际应用领域中一项最为关键的技术，是指在多障物物环境中，机器人由起始点至目标点的一条连续的﹑无碰撞的全局最优或次优路径(ZhouZ，NieY，MinG.EnhancedAntColonyOptimizationAlgorithmforGlobalPathPlanningofMobileRobots[J].JournalofNanchangHangkongUniversity，2011:698-701.)。机器人路径规划问题已经被证明是具有NP复杂性难度的组合优化问题(HuangB，KadaliR.DynamicModeling，PredictiveControlandPerformanceMonitoring[M].SpringerLondon，2008.)。目前常用的机器人路径规划技术可分为两类(房德君.均匀粒子群蚁群融合算法的机器人路径规划[J].机械设计与制造，2017(7):237-240本文档来自技高网...

【技术保护点】
一种障碍环境下基于蚁蜂算法的机器人路径规划方法，其特征在于，所述障碍环境下基于蚁蜂算法的机器人路径规划方法包括：将蜂巢和蜜源分别视为机器人路径规划过程的起点和终点，通过不同蜂群间的合作找到一条全局最优规划路径，并对应转化为栅格环境中信息素的增强值，为蚁群算法搜索提供先验知识；评价待选择路径点的信息素强度值及距离因素，同时分析待选择点的可信度因素，进行蚂蚁对障碍环境下障碍的识别与分析；对最优蚂蚁代表的局部最优路径

【技术特征摘要】
1.一种障碍环境下基于蚁蜂算法的机器人路径规划方法，其特征在于，所述障碍环境下基于蚁蜂算法的机器人路径规划方法包括：将蜂巢和蜜源分别视为机器人路径规划过程的起点和终点，通过不同蜂群间的合作找到一条全局最优规划路径，并对应转化为栅格环境中信息素的增强值，为蚁群算法搜索提供先验知识；评价待选择路径点的信息素强度值及距离因素，同时分析待选择点的可信度因素，进行蚂蚁对障碍环境下障碍的识别与分析；对最优蚂蚁代表的局部最优路径pl和全局最优蚂蚁代表的全局最优路径pg信息素进行更新，对路径规划过程中信息素的正反馈进行搜索。2.如权利要求1所述的障碍环境下基于蚁蜂算法的机器人路径规划方法，其特征在于，所述的障碍环境下基于蚁蜂算法的机器人路径规划方法具体包括：步骤一，参数初始化，设置蜂群算法的参数；包括种群规模SN，种群最大进化代数MEN，控制算法的收敛性迭达次数limit；设置蚁群算法的参数：包括蚂蚁数量Na，信息素持久性ρ，路径权重c1和c2，权重系数α﹑β和γ；步骤二，初始化环境信息分布；使用栅格法进行环境设置，初始化各栅格点上的信息素；步骤三，使用蜂群机器人路径规划方法得到一条全局最优路径，并对该路径转化为信息素的增强值，随后将蚁群置于起点S；步骤四，执行蚁群路径移动；每一只蚂蚁根据路径点选择策略选择下一个路径点；若当前栅格到其相邻路径点上的信息素为0，则蚂蚁在当前栅格上继续选择其它相邻路径点，若周边无路径点可选择，则将当前栅格置为障碍栅格，并退回到上一个搜索的路径点；步骤五，重复步骤四，直到整个蚁群都到达终点；步骤六，根据信息素更新策略，按公式(9)和(10)更新各条路径上的信息素；步骤七，若整个蚁群全部收敛到一条路径或是循环次数达到最大值，则循环结束，整个全局最优路径搜索过程结束，输出全局最优路径；否则转步骤四。3.如权利要求2所述的障碍环境下基于蚁蜂算法的机器人路径规划方法，其特征在于，所述蜂群算法中个体适应值评价函数如下:使用蜂群算法构建的系统中，每一只蜜蜂个体代表一条从初始点到终止点的路径，表示一只蜜蜂个体，其中，D表示个体的维数大小，个体的每一维表示一个栅格序号，且个体的第1维和最后1维分别表示初始点和终止点的栅格序号；将个体中每1维连接起来形成一条由起点到终点的路径，x=(1,2,5,9,10,20,21,27,40,45,60,78,89,90,93,96,100)表示从1到100的一条路径，中间经历2,5,9,10,20,21,27,40,45,60,78,89,90,93,96栅格序号；评价个体xi的优劣中，定义如下个体适应值评价函数；。4.如权利要求...

【专利技术属性】
技术研发人员：汤可宗，肖绚，
申请(专利权)人：景德镇陶瓷大学，
类型：发明
国别省市：江西,36