一种自适应蚁群算法在移动机器人路径规划中的应用方法技术

本发明专利技术属于机器人导航﹑自动化控制﹑模式识别技术领域，公开了一种自适应蚁群算法(AACO)在移动机器人路径规划中的应用方法，构建点对点自适应路径选择策略，以分段组合的状态转移优化方式来择优选择路径点；采用避障规划策略识别出障碍物的性质，并选择不同的局部避障点躲避障碍物；混合死锁处理策略应用于死锁环境中，通过统计死锁点及其回退路径点的分布式信息来指导蚂蚁跳出死锁环境。实施例中数据显示：本发明专利技术描述的AACO相比基本蚁群算法(ACO)，具有更好的寻优能力，整体性能优于ACO，能有效应用于机器人路径规划全局过程。

An adaptive ant colony algorithm for mobile robot path planning

The invention belongs to the field of robot navigation, automation control and pattern recognition, and the application of an adaptive ant colony algorithm (AACO) in the path planning of mobile robot is disclosed, and a point to point adaptive path selection strategy is constructed. The planning strategy identifies the properties of the obstacles and chooses different local obstacle avoidance points to avoid obstacles, and the mixed deadlock processing strategy is applied to the deadlock environment to guide the ants to jump out of the deadlock environment by statistics of the deadlock points and the distributed information of the return path points. The data shown in the example shows that the AACO described by the invention has better optimization ability than the basic ant colony algorithm (ACO), and the overall performance is better than that of ACO, and the effect can be used in the global process of robot path planning.

【技术实现步骤摘要】
一种自适应蚁群算法在移动机器人路径规划中的应用方法
本专利技术属于机器人导航﹑自动化控制﹑模式识别
，尤其涉及一种自适应蚁群算法在移动机器人路径规划中的应用方法。具体涉及动态环境下自适应蚁群算法在移动机器人路径规划中的应用方法与系统。
技术介绍
目前，业内常用的现有技术是这样的：路径规划技术是移动机器人技术发展的关键技术。长期以来，一直是航空航天﹑深海勘测﹑地矿勘探﹑工业生产及民用等领域关注的技术焦点。路径规划技术的主要目的是研究人工智能技术在各种环境下某系统的自主推理﹑规划和决策控制的能力(杨俊成,李淑霞,蔡增玉.路径规划算法的研究与发展[J].控制工程,2017,24(7):1473-1480.)。例如，在智能交通的有关技术研究中，路径规划技术是车辆定位与导航系统的重要组成部分，其主要任务是为驾驶者提供一条从起始点至目标终点的一条或多条路线。而在机器人技术发展中，路径规划技术的目标是指在有限时间内，机器人由起始点绕开障碍物移动至目标终点的全局最优路径规划。从理论上来说，路径规划技术可归纳为计算科学技术中的具有最小代价的最短路径问题，常使用的方法主要有(王哲,孙树栋,曹飞祥.本文档来自技高网...

【技术保护点】
1.一种自适应蚁群算法在移动机器人路径规划中的应用方法，其特征在于，所述自适应蚁群算法在移动机器人路径规划中的应用方法包括：采用点对点自适应路径选择策略，以分段组合的状态转移优化方式来择优选择下一步移动的路径点；采用避障规划策略识别出障碍物的性质，并由此选择不同的局部避障点躲避障碍物；采用混合死锁处理策略，当机器人陷入死锁环境中，通过统计死锁点及回退路径点的分布式信息来指导蚂蚁跳出死锁环境。

【技术特征摘要】
1.一种自适应蚁群算法在移动机器人路径规划中的应用方法，其特征在于，所述自适应蚁群算法在移动机器人路径规划中的应用方法包括：采用点对点自适应路径选择策略，以分段组合的状态转移优化方式来择优选择下一步移动的路径点；采用避障规划策略识别出障碍物的性质，并由此选择不同的局部避障点躲避障碍物；采用混合死锁处理策略，当机器人陷入死锁环境中，通过统计死锁点及回退路径点的分布式信息来指导蚂蚁跳出死锁环境。2.如权利要求1所述的自适应蚁群算法在移动机器人路径规划中的应用方法，其特征在于，所述自适应蚁群算法在移动机器人路径规划中的应用方法具体包括：步骤一，初始化系统参数，设置运行环境并通过栅格法对仿真环境建模；步骤二，蚁群算法参数初始化；步骤三，将m只蚂蚁分置于起点位置，每只蚂蚁视为一个独立的机器人；步骤四，机器人移动过程中根据传感器探测的栅格环境进行路径点选择操作，若探测范围内路径点无障物，则采取自适应选择策略操作；否则，根据障碍物的静态或动态性质，分别采用静态或动态避障规划处理策略；步骤五，若机器人移动过程中有死锁现象出现，使用混合式死锁处理策略跳出局部死锁环境；步骤六，机器人未到达终点位置，转步骤四;否则转步骤七；步骤七，计算出每只蚂蚁K走过的搜索路径Lk(K=1,2,...,m)，计算出路径的长度，并保存最优路径Llocal；步骤八，仅对本次循环内的最优路径Llocal进行信息素更新，并对信息素最小值进行重置；步骤九，将本次Llocal与全局规划路径Lglobal比较,若Llocal<Lglobal,则更新全局最优路径；步骤十，若循环次数Ncmax达到指定值或所有蚂蚁的路径都收敛于同一条路径，则算法结束；否则转到步骤三。3.如权利要求1所述的自适应蚁群算法在移动机器人路径规划中的应用方法，其特征在于，所述点对点的自适应路径选择策略中，蚂蚁k在路径点i选择其它路径点j时，采用以下分段式组合的状态转移优化方式来择优选择路径点：第一步，生成随机数﹑设置多样性调节参数r=min{doj/djG,djG/doj}，排除有障碍物节点和已走节点，确立待选择路径点集合allowed(k)；其中，doj是初始位置o到路径点j的距离，djG是路径点j和目标终点G的距离；第二步，如果doj≤djG，若,按自适应状态转移公式(2)计算，并按概率大小选择下一个可行路径点；若,按标准状态转移公式(1)计算每个待选路径点j的选择概率，根据状态转移概率大小确定待选路径点；公式(1)中，ΨjG(t)是待选择路径点j和目标终点G间的距离倒数，即ΨjG=1/djG，Sj(t)是路径点j被累计访问的次数；和分别是Sj(t)和ΨjG(t)的权重系数；公式(1)在蚁群算法原有路径选择策略基础上，通过统计出待选择路径点的分布式相关信息(即待选择路径点j被访问次数Sj(t)和距离目标终点G之间的距离djG)来择优选择路径点j；在此，若Sj(t)越大,djG越小，则路径点j被选择作为下一待选择路径点的概率越大；反之，越小；公式(2)中，a为路径i和j上信息素强度的相对重要性；ηij为先验知识，是路径i转移到路径j的启发式信息，取ηij=1/dij，dij为路径i和j之间的距离，β为启发示信息的重要程度；第三步，如果doj>djG，当,按公式(1)计算，按概率大小选择下一个可行路径点；,按公式(2...

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