一种基于交流策略蚁群算法的移动机器人路径规划方法技术

本发明专利技术提供了一种基于交流策略蚁群算法的移动机器人路径规划方法，属于机器人路径规划领域。该方法通过赋予蚂蚁交流的能力，充分利用已经探索的路径，不仅避免了基本蚁群算法的上述缺点，更能有效快速地进行最优路径的探索，极大地提高了算法的寻优性能和稳定性；本发明专利技术提出了自适应死锁蚂蚁惩罚策略、启发式信息可调节衰减策略、信息素双重奖励策略和基于放大乘子的改进轮盘赌法路径选择策略，既减少了蚂蚁死锁现象，提升了算法多样性，又加速了最优路径信息素浓度积累，赋予算法更快的收敛速度和更稳定的全局寻优能力，极大地提高了蚁群算法的整体性能。

【技术实现步骤摘要】
一种基于交流策略蚁群算法的移动机器人路径规划方法
本专利技术属于机器人路径规划领域，涉及一种基于交流策略蚁群算法的移动机器人路径规划方法。
技术介绍
路径规划是移动机器人导航领域中最重要的部分。其主要目的是在给定环境中找到起点和目标之间的最佳无碰撞路径。机器人路径规划技术可分为经典方法和启发式方法两大类。经典方法主要包括细胞分解方法(CD)、势场方法(PFM)、子目标方法(SG)和基于采样的方法等。启发式算法主要包括神经网络(NN)、模糊逻辑(FL)和自然启发方法(NIM)以及混合算法等。经典方法由于难以在路径搜索效率和路径优化方面进一步提高，使用率逐渐降低。而启发式方法得益于良好的全局优化能力和并行性等特点，在路径规划领域越来越流行。蚁群算法是M.Dorigo等学者提出的一种分布式自然启发方法。该算法模拟了蚂蚁协作觅食行为的性质，具有正反馈、高鲁棒性和并行性的优点。蚁群算法在其他群体智能系统中处于领先地位，已成功用于解决许多组合优化问题，并逐渐应用于移动机器人导航领域。尽管蚁群算法在路径规划任务中表现出若干良好的性能，但仍然存本文档来自技高网...

【技术保护点】
1.一种基于交流策略蚁群算法的移动机器人路径规划方法，其特征在于，该方法包括以下步骤：/nS1，设置地图任务/n根据机器人的工作环境建立地图坐标系，以横向为x轴，竖向为y轴，并把地图划分为均匀的网格节点，依次按x轴正向和y轴负向进行编号并获取对应的坐标值；对可行点和障碍物进行二进制处理，可行点的值为0，障碍物的值为1；然后根据任务在地图上设置起始点S和目标点E；/nS2，初始化基本参数/n初始化交流策略阈值n

【技术特征摘要】
1.一种基于交流策略蚁群算法的移动机器人路径规划方法，其特征在于，该方法包括以下步骤：
S1，设置地图任务
根据机器人的工作环境建立地图坐标系，以横向为x轴，竖向为y轴，并把地图划分为均匀的网格节点，依次按x轴正向和y轴负向进行编号并获取对应的坐标值；对可行点和障碍物进行二进制处理，可行点的值为0，障碍物的值为1；然后根据任务在地图上设置起始点S和目标点E；
S2，初始化基本参数
初始化交流策略阈值n0、单批蚂蚁数量m、迭代总次数K、信息素强度系数Q、信息素激发因子α、启发式信息激发因子β、信息素的挥发速率ρ；
S3，初始化信息值
信息素浓度的初始值τij(0)设为1；启发式信息的初始值ηij(0)的设定公式如下：



其中，i表示当前节点，j表示下一步要选择的节点；djE是节点j到目标点E之间的欧几里得距离；pi是圆周率；θjiE是连线(i,j)与(j,E)之间的夹角；dSE是起始点S到目标点E之间的欧几里得距离；Cq为蚂蚁下一步允许选择的节点集合；
S4，更新信息值
(1)信息素浓度值更新
当k＝1即第一轮迭代时，τij(1)＝τij(0)；当k＝2,3,...,K时，按照S9和S11处理；
(2)启发式信息值更新
第k轮迭代时，其中k＝1,2,...,K，通过引入可调节衰减系数AT来提高启发式信息功能，启发式信息值ηij(k)如下公式所示：
ηij(k)＝(ηij(0))*AT(2)



其中，δ为保留系数，决定启发式信息最终保留的比例；μ为变化因子，控制AT的变化速率；
S5，开始一轮迭代
每轮迭代里包含m次单只蚂蚁探索，蚂蚁之间互不干涉；
S6，单只蚂蚁探索
(1)选择前进路径
单只蚂蚁从起点S出发，每一步都先计算相邻8个节点的信息量Iij(k)，然后进行排序获得最大信息值Iijmax(k)，再利用可调节乘子系数AM对最大信息值Iijmax(k)进行放大后获得相邻8个节点新的信息量Iijmax(k)′，再计算相邻8个节点的选择概率Pij，最后通过轮盘赌法选择下一步；具体公式如下：









其中，λ为刺激系数，决定AM的最大放大倍数；σ为变化因子，控制AM的变化速率；
(2)更新禁忌表
单只蚂蚁走过的路径都放入其私有的禁忌表中，避免重复行走；
(3)判断是否死锁
若蚂蚁未到达目标点E且无路可走时，判定为死锁，即该蚂蚁无效，记录其最后两步路径；否则，继续选择前进路线；
(4)判断是否结束探索
若蚂蚁到达目标点E，则该蚂蚁有效，记录其走过的完整路径和路径长度，并结束探索；否则，继续选择前进路线；
S7，判断是否结束一轮迭代
若同一轮迭代执行的单只蚂蚁探索次数达到m次时，结束该轮迭代，然后对该轮有效的蚂蚁路径根据长度从短至长进行排序，记录最短路径和长度，对于无效即死锁的蚂蚁，统计最后两步路径相同的死锁蚂蚁数量；否则，继续执行S6；
S8，惩罚死锁信息素
通过统计同一轮迭代中同一死锁路径的蚂蚁数量Lostij，采用惩罚函数AP对死锁路径进行信息素惩罚获得新的信息素浓度值τij(k)′，具体公式如下：
τij(k)′＝AP*τij(k)(7)



式(8)中，υ是数量因子，在[2,4]之间取整数；ceil是指向上舍入为最接近的整数；
S9，更新全局信息素
计算每只蚂蚁的信息素浓度变化值根据到达终点的有效蚂蚁路径进行全局信息素浓度更新，获得下一轮迭代的...

【专利技术属性】
技术研发人员：侯文彬，熊志华，王长生，
申请(专利权)人：大连理工大学，大连理工大学宁波研究院，
类型：发明
国别省市：辽宁;21