一种基于灰狼算法的路径规划方法技术

本发明专利技术公开了一种基于灰狼算法的路径规划方法，包括如下步骤：S1:获取各个城市的地理位置信息、计算任意两城市之间的距离并构建图G(V,E)；S2:设置最大迭代次数，并将当前迭代次数初始化为1；S3:根据集合的表示形式描述TSP问题的多个初始解；S4:计算初始解的适应值；S5:更新各个灰狼的当前位置及其适应值；S6:根据更新后的灰狼解的适应值；S7:更新迭代次数，令当前迭代次数加1；S8:判断该算法是否到达终止条件，若不满足终止条件，则跳转到S5继续进行；若满足条件，则继续后续步骤；S9:将α狼的位置定义为满足终止条件的最优解，其中α狼的位置为最优路径、α狼的适应值为路径值。

A path planning method based on Gray Wolf algorithm

【技术实现步骤摘要】
一种基于灰狼算法的路径规划方法
本专利技术涉及路径规划
，尤其涉及一种基于灰狼算法的路径规划方法。
技术介绍
旅行商问题(TravelingSalesmanProblem,TSP)是计算机科学领域中一个经典问题，同时也是科学与工程领域中经常遇到的优化问题，如物流配送中的车辆调度、地下公路网络的建设、城市地下通道的建设、工业上的切割路径规划等都可以通过转换成TSP问题来进行求解。因此，研究TSP问题的求解算法，使其能够快速地找到有效解具有很高的实际应用价值。TSP问题被描述为：一个旅行商需要访问N个城市，可以从任意城市出发，并且每个城市只访问一次，最终回到始发的城市，他想知道如何安排路线使得旅行费用最低。TSP问题已经被证明是一类NP-难问题,即目前无法找到一个在多项式时间内得到该类问题最优解的有效算法。灰狼算法(GreyWolfOptimizer,GWO)是澳大利亚学者SeyedaliMirjalili于2014年根据灰狼种群的习性提出的一种元启发式算法。该算法根据灰狼喜欢群居的特性引入了社会统治阶层。在种群中，将其分为四本文档来自技高网...

【技术保护点】
1.一种基于灰狼算法的路径规划方法，其特征在于包括：/nS1:获取各个城市的地理位置信息、计算任意两城市之间的距离并构建图G(V,E)；/nS2:设置最大迭代次数，并将当前迭代次数初始化为1；/nS3:根据集合的表示形式描述TSP问题的多个初始解；/nS4:根据城市之间的距离计算初始解的适应值，并选取当前适应值最优的解为α狼，次优的为β狼，第三优的为δ狼，其余的解为ω狼；/nS5:更新各个灰狼的当前位置及其适应值；/nS6:根据更新后的灰狼解的适应值，选出新的α狼、β狼以及δ狼；/nS7:更新迭代次数，令当前迭代次数加1；/nS8:判断该算法是否到达终止条件，若不满足终止条件，则跳转到S5继续...

【技术特征摘要】
1.一种基于灰狼算法的路径规划方法，其特征在于包括：
S1:获取各个城市的地理位置信息、计算任意两城市之间的距离并构建图G(V,E)；
S2:设置最大迭代次数，并将当前迭代次数初始化为1；
S3:根据集合的表示形式描述TSP问题的多个初始解；
S4:根据城市之间的距离计算初始解的适应值，并选取当前适应值最优的解为α狼，次优的为β狼，第三优的为δ狼，其余的解为ω狼；
S5:更新各个灰狼的当前位置及其适应值；
S6:根据更新后的灰狼解的适应值，选出新的α狼、β狼以及δ狼；
S7:更新迭代次数，令当前迭代次数加1；
S8:判断该算法是否到达终止条件，若不满足终止条件，则跳转到S5继续进行；若满足条件，则继续后续步骤；
S9:将α狼的位置定义为满足终止条件的最优解，其中α狼的位置为最优路径、α狼的适应值为路径值。


2.根据权利要求1所述的基于灰狼算法的路径规划方法，其特征还在于：所述适应值采用如下方式计算：



其中，d为路径的总长度，即适应值；n为城市的总数量；d(pi,pi+1)表示从从当前城市i到下一个城市的距离。


3.根据权利要求1所述的基于灰狼算法的路径规划方法，其特征还在于：S5中更新各个灰狼的当前位置及其适应值时：
首先进行距离判断:通过ω狼对自身与α狼、β狼和δ狼的距离判断出灰狼的运动方向和趋势，保留自身与优质狼相同的边，其距离的判断公式如下：









...

【专利技术属性】
技术研发人员：李延柯，原慧琳，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21