一种基于改进遗传算法的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移动机器人路径规划方法，它包括：步骤1、环境建模：采用栅格法对地图进行预处理，将环境地图划分为规则且均匀的栅格；步骤2、设定机器人的起点和终点，起点和终点位置在自由栅格内；步骤3、使用改进遗传算法规划机器人最优路径；步骤4、平滑路径，从算法生成的最优路径中确定路径点作为控制点，采用三次B样条曲线对最优路径进行平滑处理，生成最终路径；解决了现有技术针对移动机器人路径规划存在的算法需要大量的迭代来求解最优路径，因此效率低、收敛速度慢，而且极易陷入局部最优值等技术问题。

A Path Planning Method for Mobile Robots Based on Improved Genetic Algorithms

【技术实现步骤摘要】
一种基于改进遗传算法的移动机器人路径规划方法
本专利技术属于移动机器人路径规划
，尤其涉及一种基于改进遗传算法的移动机器人路径规划方法。
技术介绍
随着科学技术的不断发展，导航技术已成为机器人领域的一个研究热点，而路径规划算法是实现移动机器人导航的重要保障。路径规划是指机器人按照一定的准则，在环境中搜索一条从起始点到目标点、可以避开障碍物的最优路径。传统的路径规划算法有人工势场法、模拟退火算法、模糊控制法、神经网络算法等，但这些算法的计算复杂度较大，在真实场景下的应用存在缺陷。遗传算法、蚁群算法、粒子群算法等智能仿生学算法需要大量的迭代来求解最优路径，因此效率低、收敛速度慢，而且极易陷入局部最优值。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于改进遗传算法的移动机器人路径规划方法，以解决现有技术针对移动机器人路径规划存在的算法需要大量的迭代来求解最优路径，因此效率低、收敛速度慢，而且极易陷入局部最优值等技术问题。本专利技术的技术方案是：一种基于改进遗传算法的移动机器人路径规划方法，它包括：步骤1、环境建模：采用栅格法对地图进行预处理，将环境地图划分为规则且均匀的栅格；步骤2、设定机器人的起点和终点，起点和终点位置在自由栅格内；步骤3、使用改进遗传算法规划机器人最优路径；步骤4、平滑路径，从算法生成的最优路径中确定路径点作为控制点，采用三次B样条曲线对最优路径进行平滑处理，生成最终路径。步骤1所述的栅格，每个栅格只有占据或自由两种状态，占据状态的栅格表示障碍物，自由状态的栅格表示机器人可行走区域。步骤3所述使用改进遗传算法规划机器人最优路径的方法包括：步骤3.1、设置种群规模大小M，初始温度参数T＝T0，遗传代数计数器初始化gen＝0，最大遗传代数Maxgen＝50，温度终止参数ε＝0.1；步骤3.2、生成初始种群P(gen)，在机器人运动起点S到终点G之间生成M个新个体；步骤3.3、计算所有个体的适应度值，个体适应度评价函数为：式中，n为该个体通过的栅格数目总和，D为该个体对应的路径长度；步骤3.4、执行选择、交叉、变异、插入和删除操作。步骤3.2所述新个体的生成方法为：用一系列随机选择、自由、连续或不连续的栅格序号连接起点S到终点G，这些栅格序号就组成了一条路径，一条路径为一个个体，判断路径编码的连线是否与障碍物交叉，若交叉则舍弃并重新生成一个新个体。步骤3.4所述执行选择、交叉、变异、插入和删除操作的方法包括：步骤3.4.1、对初始群体P(gen)执行选择操作得到Ps(gen)，选择操作采用比例选择算子，使个体按照与适应度成正比的概率向下一代群体繁殖；步骤3.4.2、采用单点交叉方法对Ps(gen)进行交叉操作得到Pc(gen)，当满足交叉概率时在种群中随机选取两个个体，选择栅格序号完全相同的点进行交叉操作，当重合点多于一个时，随机选择其一进行交叉；无重合点时，不进行交叉操作；设Ps(gen)中某个体Psi(gen)变异后的新个体为Pci(gen)，根据Metroplis接收准则计算接受概率Pi：式(2)中，T(t)为当前温度，F(si)为个体Psi(gen)的适应度值，F(ci)为由Psi(gen)变异得到的新个体Pci(gen)的适应度值；步骤3.4.3、对步骤3.4.2的Pc(gen)进行变异操作得到Pm(gen)；步骤3.4.4、种群Pm(gen)中的个体存在间断路径时执行插入操作，把间断路径用自由栅格弥补，成为连续的路径；步骤3.4.5、将步骤3.4.4的种群个体中两相同序号之间的冗余序号，连同两相同序号中的任意一个一并舍去，以简化路径；步骤3.4.6、更新种群，gen＝gen+1，若gen＜Maxgen则返回步骤3.3继续进化，否则转到步骤4；步骤3.4.7、温度终止条件判断：若当前温度T(t)＞ε，则按温度更新函数来更新温度参数T(t)，t←t+1，转向步骤3.3；否则算法结束输出路径，温度更新函数为：T(t)＝T0exp(-Ct1/M)(5)式(5)中T(t)表示当前温度，T0表示初始温度，C为给定常数，t为迭代次数，M为待反演参数的个数，为了简化计算，将式(5)改写为：式(6)中α的取值范围为0.7＜α＜1，在计算中1/M取0.5。步骤3.4.4中所述连续的路径，判断方法为：采用下述判别式来判断个体中两相邻序号Nk、Nk+1是否连续：Δ＝max{abs(xk+1-xk),abs(yk+1-yk)}(3)式中，xk、yk、xk+1、yk+1分别为Nk、Nk+1所对应的直角坐标，若Δ＝1，则Nk与Nk+1连续，否则不连续；不连续时，按中值法计算候补插入点：若计算得到的N′k为自由栅格，则直接插入；若N′k是障碍栅格，则选择一个与N′k距离最近的自由栅格作为新的候补插入点，若找不到这样的候补插入点，即宣告插入操作失败，舍去该个体；否则就用新的候补点插入到Nk与Nk+1之间，上述插入过程重复执行，直到个体变成连续可通行路径为止。步骤4所述从算法生成的最优路径中确定路径点作为控制点，采用三次B样条曲线对最优路径进行平滑处理生成最终路径的方法为：三次B样条曲线和控制点间的关系为：式(7)中t∈[0,1]，Pi、Pi+1、Pi+2、Pi+3为三次B样条曲线的控制点，最后依次连接全部3阶B样条曲线段即生成最终路径。本专利技术的有益效果是：提供一种基于改进遗传算法的移动机器人路径规划方法，将快速模拟退火算法与遗传算法结合，该算法不仅具有较强的全局和局部搜索能力，而且克服了遗传算法早熟现象、局部寻优能力较差等不足。并利用三次B样条曲线对算法生成路径进行平滑处理，能有效地提高路径规划质量。本专利技术的优点：(1)本专利技术采用局部搜索能力较强的快速模拟退火算法对遗传算法进行优化，采用Metropolis准则来接受和舍弃新解，从而避免了遗传算法效率低、收敛较慢、易陷人局部极值点等缺点，使得遗传算法和快速模拟退火算法在路径规划中达到优势互补的目的。(2)本专利技术的改进遗传算法不仅全局寻优能力强，搜索速度快，而且对复杂环境的适应能力强，能高效解决移动机器人路径规划问题。(3)本专利技术采用三次B样条曲线的对改进算法生成的路径进行平滑处理，从而将路径变为机器人可实际行走的光滑曲线，极大地改善了路径质量，使得该专利技术容易运用到机器人的实际导航中。解决了现有技术针对移动机器人路径规划存在的算法需要大量的迭代来求解最优路径，因此效率低、收敛速度慢，而且极易陷入局部最优值等技术问题。具体实施方式步骤1、环境建模：采用栅格法对地图进行预处理，将环境地图划分为规则且均匀的栅格。每个栅格只有占据或自由两种状态,占据状态的栅格表示障碍物,自由状态的栅格表示机器人可行走区域。步骤2、设定机器人的起点和终点，起点和终点位置必须在自由栅格内；步骤3、使用改进遗传算法规划机器人最优路径，所述改进算法包括：步骤3.1、设置种群规模大小M，初始温度参数T＝T0，遗传代数计数器初始化gen＝0，最大遗传代数Maxgen＝50，温度终止参数ε＝0.1。步骤3.2、生成初始种群P(gen)。在机器人运动起点S到终点G之间，用一系列随机选择、自由、不一定连续的栅格序号连接S到G，这些栅格序号就组成了一条路径，一条路径为一个个体。判断路径编码的连线是本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的移动机器人路径规划方法，它包括：步骤1、环境建模：采用栅格法对地图进行预处理，将环境地图划分为规则且均匀的栅格；步骤2、设定机器人的起点和终点，起点和终点位置在自由栅格内；步骤3、使用改进遗传算法规划机器人最优路径；步骤4、平滑路径，从算法生成的最优路径中确定路径点作为控制点，采用三次B样条曲线对最优路径进行平滑处理，生成最终路径。

【技术特征摘要】
1.一种基于改进遗传算法的移动机器人路径规划方法，它包括：步骤1、环境建模：采用栅格法对地图进行预处理，将环境地图划分为规则且均匀的栅格；步骤2、设定机器人的起点和终点，起点和终点位置在自由栅格内；步骤3、使用改进遗传算法规划机器人最优路径；步骤4、平滑路径，从算法生成的最优路径中确定路径点作为控制点，采用三次B样条曲线对最优路径进行平滑处理，生成最终路径。2.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于：步骤1所述的栅格，每个栅格只有占据或自由两种状态，占据状态的栅格表示障碍物，自由状态的栅格表示机器人可行走区域。3.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于：步骤3所述使用改进遗传算法规划机器人最优路径的方法包括：步骤3.1、设置种群规模大小M，初始温度参数T＝T0，遗传代数计数器初始化gen＝0，最大遗传代数Maxgen＝50，温度终止参数ε＝0.1；步骤3.2、生成初始种群P(gen)，在机器人运动起点S到终点G之间生成M个新个体；步骤3.3、计算所有个体的适应度值，个体适应度评价函数为：式中，n为该个体通过的栅格数目总和，D为该个体对应的路径长度；步骤3.4、执行选择、交叉、变异、插入和删除操作。4.根据权利要求3所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于：步骤3.2所述新个体的生成方法为：用一系列随机选择、自由、连续或不连续的栅格序号连接起点S到终点G，这些栅格序号就组成了一条路径，一条路径为一个个体，判断路径编码的连线是否与障碍物交叉，若交叉则舍弃并重新生成一个新个体。5.根据权利要求3所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于：步骤3.4所述执行选择、交叉、变异、插入和删除操作的方法包括：步骤3.4.1、对初始群体P(gen)执行选择操作得到Ps(gen)，选择操作采用比例选择算子，使个体按照与适应度成正比的概率向下一代群体繁殖；步骤3.4.2、采用单点交叉方法对Ps(gen)进行交叉操作得到Pc(gen)，当满足交叉概率时在种群中随机选取两个个体，选择栅格序号完全相同的点进行交叉操作，当重合点多于一个时，随机选择其一进行交叉；无重合点时，不进行交叉操作；设Ps(gen)中某个体Psi(gen)变异后的新个体为Pci(gen)，根据Metroplis接收准则计算接受概率...

【专利技术属性】
技术研发人员：刘紫燕，张杰，白鹤，万培佩，袁磊，
申请(专利权)人：贵州大学，
类型：发明
国别省市：贵州,52