本申请公开了一种机器人路径规划方法及机器人路径规划装置，涉及机器人路径规划技术领域。所述机器人路径规划方法包括对各条路径上的信息素浓度进行初始化设置；基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从出发节点移动到目标节点的最短路径；基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行计算搜索蚁从出发节点移动到目标节点的最短路径的步骤，直至满足预设的迭代停止条件；当满足所述迭代停止条件时，输出最后一次计算得到的最短路径。本申请将混沌优化算法引入多态蚁群算法中，利用混沌优化算法的遍历性对多态蚁群算法的信息素浓度进行全局更新，避免了陷入局部最优，提高了收敛速度。
A Robot Path Planning Method and Robot Path Planning Device
【技术实现步骤摘要】
一种机器人路径规划方法及机器人路径规划装置
本申请属于路径规划
，尤其涉及一种机器人路径规划方法及机器人路径规划装置。
技术介绍
旅行商问题(TravelingSalesmanProblem,TSP)，是一个经典的路径问题，它可以描述为：在n个城市的范围内，一个推销员要遍历范围内所有城市推销自己的商品。该推销员从一个城市出发，需要经过所有给定的城市后，最后回到出发地的最小路径成本，故也常被称作“推销员问题”。从图论的角度看，也就是找出一个最短封闭路线的问题。TSP问题是数学领域中一个非常经典的问题之一。蚁群算法提出的时候，首先用于求解TSP问题，且它具有能够和多种启发式算法结合，具有较强的鲁棒性等优点，但是同样也存在计算量庞大，搜索时间长，收敛速度慢，容易陷入局部最优等缺点。在此基础上，人们专利技术了多态蚁群算法，改进了蚁群算法的诸多缺点，但是仍然存在着收敛速度慢，容易陷入局部最优等缺点。
技术实现思路
本申请提供一种机器人路径规划方法及机器人路径规划装置，可实现对多态蚁群算法的信息素浓度进行全局更新，有效的克服了局部最优的缺陷，提高了收敛速度。为实现上述技术效果，本申请第一方面提供了一种机器人路径规划方法，包括：对各条路径上的信息素浓度进行初始化设置，其中，上述路径为机器人从出发节点移动到目标节点所选取的路线；基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从上述出发节点移动到上述目标节点的最短路径；基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行上述基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从上述出发节点移动到上述目标节点的最短路径的步骤，直至满足预设的迭代停止条件；当满足上述迭代停止条件时，输出最后一次计算得到的最短路径。基于本申请第一方面，在第一种可能的实现方式中，上述对各条路径上的信息素浓度进行初始化设置具体为：基于信息素浓度初始化公式对各条路径上的信息素浓度进行初始化设置，上述信息素浓度初始化公式为：其中，x(i,j)(i,j∈{1,2,…,n-1；i≠j})，τij(0)为首次计算时节点i到节点j的路径上的信息素浓度，C为初始时刻各条路径上的信息量常量，x(i,j)为从节点i到节点j的路径上生成的侦查素，表示以节点i为中心到任意n-1个节点的最短距离，n为节点总数，表示以节点i为中心到任意n-1个节点的最长距离。基于本申请第一方面的第一种可能的实现方式，在第二种可能的实现方式中，上述侦查素为随机放置于n个节点的m只侦查蚁分别对各自当前节点以外的其余n-1个节点进行侦查后生成；上述侦查素基于侦查素生成公式计算得到，上述侦查素生成公式为：其中，dij表示节点i和节点j之间的距离，MAXPC＝min{(n-x),MAXPC'}，x为搜索蚁已经经过的节点数，MAXPC'由节点数n确定得到。基于本申请第一方面或者本申请第一方面的第一种可能的实现方式或第二种可能的实现方式，在第三种可能的实现方式中，上述基于混沌优化算法更新各条路径上的信息素浓度具体为：基于信息素浓度更新公式对各条路径上的信息素浓度进行更新，上述信息素浓度更新公式为：其中，τij(t+1)表示在第t+1次迭代运算中，节点i到节点j的路径上的信息素浓度，ρ为信息素挥发因子，Δτij(t)表示在第t次迭代运算中，所有搜索蚁在从节点i到节点j的路径上所释放的信息素浓度之和，Z(n+1)为混沌变量。基于本申请第一方面的第三种可能的实现方式，在第四种可能的实现方式中，上述基于信息素浓度更新公式对各条路径上的信息素浓度进行更新包括：基于信息素释放浓度计算公式分别计算各只搜索蚁在从节点i到节点j的路径上所释放的信息素浓度，上述信息素释放浓度计算公式为：其中，为搜索蚁k在第t次迭代运算中，在节点i到节点j的路径上释放的信息素浓度，Q为常量，Lk为搜索蚁k已经经过的路径的总长度。基于本申请第一方面的第三种可能的实现方式，在第五种可能的实现方式中，上述基于信息素浓度更新公式对各条路径上的信息素浓度进行更新还包括：基于混沌序列生成混沌变量，其中，上述混沌变量基于上述混沌序列通过线性变换公式得到；上述线性变换公式为：Z(n+1)＝-1+2ω(n+1)，其中，ω(n+1)为混沌序列。基于本申请第一方面的第五种可能的实现方式，在第六种可能的实现方式中：上述基于混沌序列生成混沌变量包括：基于Logistic映射公式生成混沌序列；上述Logistic映射公式为：ω(n+1)＝4ω(n)[1-ω(n)]，其中，ω(n+1)为初始值ω(0)∈[0,1]时通过Logistic映射迭代产生的混沌序列。本申请第二方面提供一种机器人路径规划装置，包括：初始化设置单元，用于对各条路径上的信息素浓度进行初始化设置，其中，上述路径为机器人从出发节点移动到目标节点所选取的路线；计算单元，用于基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从上述出发节点移动到上述目标节点的最短路径；更新单元，用于在上述计算单元完成计算后，基于混沌优化算法更新各条路径上的信息素浓度，之后触发上述计算单元，直至满足预设的迭代停止条件；输出单元，用于当满足上述迭代停止条件时，输出最后一次计算得到的最短路径。基于本申请第二方面，在第一种可能的实现方式中，上述初始化设置单元具体用于：基于信息素浓度初始化公式对各条路径上的信息素浓度进行初始化设置，上述信息素浓度初始化公式为：其中，x(i,j)(i,j∈{1,2,…,n-1；i≠j})，τij(0)为首次计算时节点i到节点j的路径上的信息素浓度，C为初始时刻各条路径上的信息量常量，x(i,j)为从节点i到节点j的路径上生成的侦查素，表示以节点i为中心到任意n-1个节点的最短距离，n为节点总数，表示以节点i为中心到任意n-1个节点的最长距离。基于本申请第二方面或者本申请第二方面的第一种可能的实现方式，在第二种可能的实现方式中，上述更新单元具体用于：基于信息素浓度更新公式对各条路径上的信息素浓度进行更新，上述信息素浓度更新公式为：其中，τij(t+1)表示在第t+1次迭代运算中，节点i到节点j的路径上的信息素浓度，ρ为信息素挥发因子，Δτij(t)表示在第t次迭代运算中，所有搜索蚁在从节点i到节点j的路径上所释放的信息素浓度之和，Z(n+1)为混沌变量。采用上述技术方案所产生的有益效果在于：将混沌优化算法引入多态蚁群算法中，由于混沌具有随机性、遍历性和规律性的特点，可利用混沌优化算法的遍历性作为避免陷于局部极小的一种优化机制，对多态蚁群算法的信息素浓度更新机制进行了改良，从而实现了对信息素浓度的全局更新，避免了陷入局部最优，提高了收敛速度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1是本申请的机器人路径规划方法的流程示意图；图2是本申请的机器人路径规划方法的算法流程图；图3是本申请的机器人路径规划装置的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便本文档来自技高网...
【技术保护点】
1.一种机器人路径规划方法，其特征在于，包括：对各条路径上的信息素浓度进行初始化设置，其中，所述路径为机器人从出发节点移动到目标节点所选取的路线；基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径；基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行所述基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径的步骤，直至满足预设的迭代停止条件；当满足所述迭代停止条件时，输出最后一次计算得到的最短路径。
【技术特征摘要】
1.一种机器人路径规划方法，其特征在于，包括：对各条路径上的信息素浓度进行初始化设置，其中，所述路径为机器人从出发节点移动到目标节点所选取的路线；基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径；基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行所述基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径的步骤，直至满足预设的迭代停止条件；当满足所述迭代停止条件时，输出最后一次计算得到的最短路径。2.如权利要求1所述的机器人路径规划方法，其特征在于，所述对各条路径上的信息素浓度进行初始化设置具体为：基于信息素浓度初始化公式对各条路径上的信息素浓度进行初始化设置，所述信息素浓度初始化公式为：其中，x(i,j)(i,j∈{1,2,…,n-1；i≠j})，τij(0)为首次计算时节点i到节点j的路径上的信息素浓度，C为初始时刻各条路径上的信息量常量，x(i,j)为从节点i到节点j的路径上生成的侦查素，表示以节点i为中心到任意n-1个节点的最短距离，n为节点总数，表示以节点i为中心到任意n-1个节点的最长距离。3.如权利要求2所述的机器人路径规划方法，其特征在于，所述侦查素为随机放置于n个节点的m只侦查蚁分别对各自当前节点以外的其余n-1个节点进行侦查后生成；所述侦查素基于侦查素生成公式计算得到，所述侦查素生成公式为：其中，dij表示节点i和节点j之间的距离，MAXPC＝min{(n-x),MAXPC'}，x为搜索蚁已经经过的节点数，MAXPC'由节点数n确定得到。4.如权利要求1至3任一项所述的机器人路径规划方法，其特征在于，所述基于混沌优化算法更新各条路径上的信息素浓度具体为：基于信息素浓度更新公式对各条路径上的信息素浓度进行更新，所述信息素浓度更新公式为：其中，τij(t+1)表示在第t+1次迭代运算中，节点i到节点j的路径上的信息素浓度，ρ为信息素挥发因子，Δτij(t)表示在第t次迭代运算中，所有搜索蚁在从节点i到节点j的路径上所释放的信息素浓度之和，Z(n+1)为混沌变量。5.如权利要求4所述的机器人路径规划方法，其特征在于，所述基于信息素浓度更新公式对各条路径上的信息素浓度进行更新包括：基于信息素释放浓度计算公式分别计算各只搜索蚁在从节点i到节点j的路径上所释放的信息素浓度，所述信息素释放浓度计算公式为：其中，为搜索蚁k在第...
【专利技术属性】
技术研发人员：张苏英，赵国花，于佳兴，
申请(专利权)人：河北科技大学，
类型：发明
国别省市：河北,13
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。