一种基于蚁群算法的机器人路径规划方法及装置制造方法及图纸

本发明专利技术公开了一种基于蚁群算法的机器人路径规划方法及装置，所述方法包括：建立栅格地图；输入初始的信息素，设置算法参数；将蚂蚁置于起点，计算当前状态转移概率；获取当前自适应阈值；当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；更新路径及路径长度；重复上述步骤，直到蚂蚁达到终点；重复上述步骤，直到这一代的M只蚂蚁全部遍历；动态更新信息启发因子α、期望启发因子β以及信息素；重复上述步骤，直到迭代完成；对生成的路径进行优化处理；输出最优路径；本发明专利技术的优点在于：路径规划的收敛速度快，同时路径规划符合机器人实际的运动轨迹。

A robot path planning method and device based on ant colony algorithm

【技术实现步骤摘要】
一种基于蚁群算法的机器人路径规划方法及装置
本专利技术涉及移动机器人智能算法
，更具体涉及一种基于蚁群算法的机器人路径规划方法及装置。
技术介绍
移动机器人路径规划是指机器人的运动轨迹的规划，即指定移动机器人在一个具有障碍物的环境，同时给定具体的起点和终点，在给定的评价条件下，移动机器人按照已给的任务避开障碍物，搜索从起点到终点的最优路径，即要求花费最短的时间、运行最短的路径或消耗最少的能量。目前，许多智能算法应用于移动机器人路径规划中，包括神经网络法、蚁群算法、人工势场法、粒子算法、遗传算法、模糊推理法等等。蚁群算法是根据蚁群觅食的行为，在指定图中寻找最优路径的启发式智能搜索算法。蚁群算法在组合优化问题中显示出较强的优势，是一个增强型学习系统，具有分布式的计算特性，且具有较强的鲁棒性，易于与其他优化算法融合。从提出起到目前，国内外许多学者对该算法做了大量研究，将其运用到诸多领域，并取得了丰硕的成果，典型应用如旅行商、指派问题、调度问题、连续优化、网络路由等。中国专利申请号201811069073.0，公开了一种动态环境下基于蚁群算法的移动机器人路径规划方法，其步骤如下：(1)对环境采用格栅法建模；(2)构建局部扩散信息素；(4)转移概率；(5)将可行节点S添加至禁忌表；(6)完成路径；(7)通过禁忌表中记录的路径信息；(8)更新信息素矩阵元素；(9)迭代找到最优路径，即满足算法结束条件，输出最终结果。该专利技术提出的基于势场法的蚁群算法具有更快的收敛速度和寻优能力局部扩散信息素具有较好的平滑性，进一步增强了蚂蚁个体间的协作能力，减少了局部交叉路径，降低了迷失蚂蚁数量，从而使蚁群算法以更快的速度收敛到全局最优，同时也兼顾了解的多样性，克服了人工势场法易陷入局部最优的缺陷。但是其没有解决针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题，对生成的路径没有进一步优化，不符合移动机器人实际的运动轨迹。
技术实现思路
本专利技术所要解决的技术问题在于如何提供一种基于蚁群算法的机器人路径规划方法及装置，以使路径规划的收敛速度快，同时路径规划符合机器人实际的运动轨迹。本专利技术通过以下技术手段实现解决上述技术问题的：一种基于蚁群算法的机器人路径规划方法，所述方法包括：步骤一：建立栅格地图，存储环境信息；步骤二：输入初始的信息素，选择起点和终点，设置算法参数；其中，算法参数包括迭代总次数N，每代蚂蚁总数M，信息素强度系数Q，信息素挥发系数ρ，初始的信息启发因子α和初始的期望启发因子β；步骤三：将蚂蚁置于起点，计算当前状态转移概率；步骤四：获取当前自适应阈值；步骤五：当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；步骤六：更新路径及路径长度；步骤七：重复步骤三至步骤六，直到蚂蚁达到终点；步骤八：重复步骤三至步骤七，直到这一代的M只蚂蚁全部遍历；步骤九：动态更新信息启发因子α、期望启发因子β以及信息素；步骤十：重复步骤三至步骤九，直到迭代完成；步骤十一：对生成的路径进行优化处理；步骤十二：输出最优路径。本专利技术针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题，动态更新信息启发因子α、期望启发因子β以及信息素；同时，增加了自适应阈值来克服求解过程停滞，陷入局部最优解的问题，随着迭代次数的增加，阈值对蚂蚁寻优过程的影响不断减小，直至完全由信息素和启发信息来指导蚂蚁寻优；另外，对蚁群算法生成的路径进一步优化处理，使其更符合移动机器人的运动轨迹。优选的，所述步骤三包括：利用公式计算当前状态转移概率；其中，dk为蚂蚁k下一步可选节点集合且dk＝{C-tabuk}，C为与当前节点相邻的节点集合，tabuk为禁忌表，禁忌表记录蚂蚁k走过的节点；τij(t)为节点i与节点j之间的信息素量；ηij(t)为启发函数且dij为节点i与节点j之间欧式距离。优选的，所述步骤四包括：利用公式获取当前自适应阈值，其中，λt为当前自适应阈值，e()为以e为底的指数函数，t为当前时刻，Tmax为预设的迭代时间。优选的，所述步骤五包括：当前状态转移概率与当前自适应阈值进行比较，若当前状态转移概率小于等于当前自适应阈值，在集合dk中使用轮盘赌法选择蚂蚁行走的下一节点，否则在集合dk中随机选择蚂蚁行走的下一节点。优选的，所述步骤九包括：利用公式动态更新信息启发因子α；利用公式动态更新期望启发因子β；其中，n为当前迭代次数，a，b，c，d，μ均为预设的动态参数；利用公式计算第k只蚂蚁留在节点i和j之间的信息素增量，利用公式计算本次循环节点i和j之间的信息素增量，利用公式τij(t+1)＝(1-ρ)τij(t)+Δτij动态更新信息素，其中，τij(t+1)为当前时刻的节点i和j之间的信息素，τij(t)为当前时刻的上一时刻节点i和j之间的信息素。优选的，所述步骤十一包括：步骤1101：初始化处理，令R为蚁群算法生成的路径中的第一个节点；其中蚁群算法生成的路径为依次首尾相连的若干个线段；步骤1102：依次将节点R与其后不在同一条线段的所有节点连接，指定相连的另一个节点为Sf，f为非零自然数；步骤1103：判断RSf组成的路径是否穿越了障碍栅格，如果所有的RSf组成的路径中都经过障碍栅格，则令R为当前节点的下一节点，返回步骤1102，否则执行步骤1104；步骤1104：将绕过障碍栅格的RSf组成的路径的中间连接节点删除，判断Sf节点是否为终点，若是则执行步骤1105，结束算法，否则令R为当前节点的下一节点，继续执行步骤1102；步骤1105：依次连接没有被删除的各节点形成新路径代替蚁群算法生成的路径。本专利技术还提供一种基于蚁群算法的机器人路径规划装置，所述装置包括：栅格地图建立模块，用于建立栅格地图，存储环境信息；初始化模块，用于输入初始的信息素，选择起点和终点，设置算法参数；其中，算法参数包括迭代总次数N，每代蚂蚁总数M，信息素强度系数Q，信息素挥发系数ρ，初始的信息启发因子α和初始的期望启发因子β；状态转移概率获取模块，用于将蚂蚁置于起点，计算当前状态转移概率；自适应阈值获取模块，用于获取当前自适应阈值；比较模块，用于当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；路径更新模块，用于更新路径及路径长度；第一循环模块，用于循环执行状态转移概率获取模块、自适应阈值获取模块、比较模块以及路径更新模块，直到蚂蚁达到终点；第二循环模块，用于循环执行状态转移概率获取模块、自适应阈值获取模块、比较模块、路径更新模块以及第一循环模块，直到这一代的M只蚂蚁全部遍历；参数更新模块，用于动态更新信息启发因子α、期望启发因子β以及信息素；第三循环模块，用于循环执行状态转移概率获取模块、自适应阈值获取模块、比较模块、路径更新模块、第一循环模本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的机器人路径规划方法，其特征在于，所述方法包括：/n步骤一：建立栅格地图，存储环境信息；/n步骤二：输入初始的信息素，选择起点和终点，设置算法参数；其中，算法参数包括迭代总次数N，每代蚂蚁总数M，信息素强度系数Q，信息素挥发系数ρ，初始的信息启发因子α和初始的期望启发因子β；/n步骤三：将蚂蚁置于起点，计算当前状态转移概率；/n步骤四：获取当前自适应阈值；/n步骤五：当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；/n步骤六：更新路径及路径长度；/n步骤七：重复步骤三至步骤六，直到蚂蚁达到终点；/n步骤八：重复步骤三至步骤七，直到这一代的M只蚂蚁全部遍历；/n步骤九：动态更新信息启发因子α、期望启发因子β以及信息素；/n步骤十：重复步骤三至步骤九，直到迭代完成；/n步骤十一：对生成的路径进行优化处理；/n步骤十二：输出最优路径。/n

【技术特征摘要】
1.一种基于蚁群算法的机器人路径规划方法，其特征在于，所述方法包括：
步骤一：建立栅格地图，存储环境信息；
步骤二：输入初始的信息素，选择起点和终点，设置算法参数；其中，算法参数包括迭代总次数N，每代蚂蚁总数M，信息素强度系数Q，信息素挥发系数ρ，初始的信息启发因子α和初始的期望启发因子β；
步骤三：将蚂蚁置于起点，计算当前状态转移概率；
步骤四：获取当前自适应阈值；
步骤五：当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；
步骤六：更新路径及路径长度；
步骤七：重复步骤三至步骤六，直到蚂蚁达到终点；
步骤八：重复步骤三至步骤七，直到这一代的M只蚂蚁全部遍历；
步骤九：动态更新信息启发因子α、期望启发因子β以及信息素；
步骤十：重复步骤三至步骤九，直到迭代完成；
步骤十一：对生成的路径进行优化处理；
步骤十二：输出最优路径。


2.根据权利要求1所述的一种基于蚁群算法的机器人路径规划方法，其特征在于，所述步骤三包括：利用公式

计算当前状态转移概率；
其中，dk为蚂蚁k下一步可选节点集合且dk＝{C-tabuk}，C为与当前节点相邻的节点集合，tabuk为禁忌表，禁忌表记录蚂蚁k走过的节点；τij(t)为节点i与节点j之间的信息素量；ηij(t)为启发函数且dij为节点i与节点j之间欧式距离。


3.根据权利要求2所述的一种基于蚁群算法的机器人路径规划方法，其特征在于，所述步骤四包括：利用公式获取当前自适应阈值，其中，λt为当前自适应阈值，e()为以e为底的指数函数，t为当前时刻，Tmax为预设的迭代时间。


4.根据权利要求3所述的一种基于蚁群算法的机器人路径规划方法，其特征在于，所述步骤五包括：当前状态转移概率与当前自适应阈值进行比较，若当前状态转移概率小于等于当前自适应阈值，在集合dk中使用轮盘赌法选择蚂蚁行走的下一节点，否则在集合dk中随机选择蚂蚁行走的下一节点。


5.根据权利要求1所述的一种基于蚁群算法的机器人路径规划方法，其特征在于，所述步骤九包括：
利用公式动态更新信息启发因子α；
利用公式动态更新期望启发因子β；其中，n为当前迭代次数，a，b，c，d，μ均为预设的动态参数；
利用公式计算第k只蚂蚁留在节点i和j之间的信息素增量，利用公式计算本次循环节点i和j之间的信息素增量，利用公式τij(t+1)＝(1-ρ)τij(t)+Δτij动态更新信息素，其中，τij(t+1)为当前时刻的节点i和j之间的信息素，τij(t)为当前时刻的上一时刻节点i和j之间的信息素。


6.根据权利要求1所述的一种基于蚁群算法的机器人路径规划方法，其特征在于，所述步骤十一包括：
步骤1101：初始化处理，令R为蚁群算法生成的路径中的第一个节点；其中，蚁群算法生成的路径为依次首尾相连的若干个线段；
步骤1102：依次将节点R与其后不在同一条线段的所有节点连接，指定相连的另...

【专利技术属性】
技术研发人员：赵子建，陈超勇，张伟，孟德超，李奇才，
申请(专利权)人：哈工大机器人合肥国际创新研究院，
类型：发明
国别省市：安徽;34