基于改进遗传算法的巡检机器人路径规划方法及系统技术方案

本申请公开了基于改进遗传算法的巡检机器人路径规划方法及系统，包括：建立巡检机器人行走的栅格地图；获取巡检机器人在栅格地图中行走时的移动方向数据和位置数据；其中，移动方向数据和位置数据通过GPS获取；根据巡检机器人的移动方向数据和位置数据，基于改进的遗传算法，得到最优移动路径排序，将排序最靠前的路径作为巡检机器人下一步的移动路径。减少巡检机器人路径规划局部搜索的随机性；增强了巡检机器人路径规划结果的多样性；实现了对计算资源消耗的把控，增强了算法的适用性。增强了算法的适用性。增强了算法的适用性。

【技术实现步骤摘要】
基于改进遗传算法的巡检机器人路径规划方法及系统


[0001]本申请涉及路径规划
，特别是涉及基于改进遗传算法的巡检机器人路径规划方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]全局最优化问题(Global Optimization Problem)一直是优化领域的一个热点问题，而利用启发式算法进行求解目前是解决这类问题的主流方法。在历经了多年的探索之后，很多优秀的、具有针对性的启发式算法被提出，它们在搜索策略上可以被分为两大类：基于全局搜索策略的启发式算法和基于个体搜索策略的启发式算法。有学者尝试将两类算法结合起来使用，创造出了许多混合式算法，采用不同的搜索策略可以构成不同的混合式算法,如全局搜索策略可以采用遗传算法、进化策略、进化规划等，局部搜索策略可以采用爬山搜索、模拟退火、贪婪算法、禁忌搜索、导引式局部搜索等。传统的混合算法步骤如图1所示。
[0004]搜索算子：全局搜索能力是指找到全局最优解所在大致位置的能力，而局部搜索是指能够无穷接近最优解的能力。如图2中所示：假设我们正在解决一个求全局最大值问题，理论上，我们希望全局搜索可以将个体引导至ab，cd或ef区间，然后由局部搜索算子在a与b区间内，c与d区间内，e与f区间内分别搜索该区间内的最优值。
[0005]一般来说，启发式算法性能通常通过：鲁棒性、结果的优劣程度、执行算法所消耗计算资源即算法是否高效等来评定。虽然文化基因算法在很多优化问题上取得了一定的成功，但学界普遍认为该类算法目前这样一个问题——此类算法因步骤繁琐，在提升了结果精确度的同时不可避免地消耗了更多的计算资源。因为他们通常在原算法上面又增加了一个基于个体的随机搜索算法，这样的算法结构无疑会消耗较多的计算资源。
[0006]目前巡检机器人的路径规划计算步骤复杂，路径规划计算步骤繁琐，浪费机器人的功耗；路径规划计算速度慢，影响机器人的实时检测能力。现有的路径规划可以采用遗传算法来进行解决，但是现有的遗传算法大量消耗计算资源，大量消耗计算资源根本原因无外乎以下两点：a)局部搜索缺乏针对性,导致在计算资源有限的情况下，大量的计算资源被随机分配；b)局部搜索算法功能不够契合。
[0007]我们需求的路径搜索只需要在路径附近很小的区域探索，但很多局部搜索算法会有大幅对路径进行扰动的操作，这是它作为一个独立算法时为了全面地探索解空间的必要步骤，但作为局部搜索算子，大幅的扰动会得到大量无意义的规划路径。

技术实现思路

[0008]为了解决现有技术的不足，本申请提供了基于改进遗传算法的巡检机器人路径规划方法及系统；
[0009]第一方面，本申请提供了基于改进遗传算法的巡检机器人路径规划方法；
[0010]基于改进遗传算法的巡检机器人路径规划方法，包括：
[0011]建立巡检机器人行走的栅格地图；
[0012]获取巡检机器人在栅格地图中行走时的移动方向数据和位置数据；其中，移动方向数据和位置数据通过GPS获取；
[0013]根据巡检机器人的移动方向数据和位置数据，基于改进的遗传算法，得到最优移动路径排序，将排序最靠前的路径作为巡检机器人下一步的移动路径。
[0014]第二方面，本申请提供了基于改进遗传算法的巡检机器人路径规划系统；
[0015]基于改进遗传算法的巡检机器人路径规划系统，包括：
[0016]栅格地图建立模块，其被配置为：建立巡检机器人行走的栅格地图；
[0017]获取模块，其被配置为：获取巡检机器人在栅格地图中行走时的移动方向数据和位置数据；其中，移动方向数据和位置数据通过GPS获取；
[0018]路径规划模块，其被配置为：根据巡检机器人的移动方向数据和位置数据，基于改进的遗传算法，得到最优移动路径排序，将排序最靠前的路径作为巡检机器人下一步的移动路径。
[0019]第三方面，本申请还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。
[0020]第四方面，本申请还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0021]第五方面，本申请还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
[0022]与现有技术相比，本申请的有益效果是：
[0023]针对此前提出的巡检机器人路径规划中一直存在的问题，提出了一种可行的解决方案，方案主要由两部分：
[0024]在进化过程中，资源分配策略将配额合理分配给路径，提高了算法的效率。为了提高收敛性能和保持多样性，进行了快速的自引导开发。提出了一种机制来管理单个开发过程的计算资源消耗，从而提高了适用性。
[0025]减少巡检机器人路径规划局部搜索的随机性；增强了巡检机器人路径规划结果的多样性；实现了对计算资源消耗的把控，增强了算法的适用性。
[0026]本申请附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0027]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0028]图1为现有技术的混合算法步骤流程图；
[0029]图2为现有技术的全局搜索能力和局部搜索能力示意图；
[0030]图3为本申请实施例一的方法流程图；
[0031]图4为本申请实施例一的改进的遗传算法示意图；
[0032]图5为本申请实施例一的算法示意图；
[0033]图6为本申请实施例一的算法示意图；
[0034]图7为本申请实施例一的算法示意图；
具体实施方式
[0035]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0036]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0037]在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。...

【技术保护点】

【技术特征摘要】
1.基于改进遗传算法的巡检机器人路径规划方法，其特征是，包括：建立巡检机器人行走的栅格地图；获取巡检机器人在栅格地图中行走时的移动方向数据和位置数据；其中，移动方向数据和位置数据通过GPS获取；根据巡检机器人的移动方向数据和位置数据，基于改进的遗传算法，得到最优移动路径排序，将排序最靠前的路径作为巡检机器人下一步的移动路径。2.如权利要求1所述的基于改进遗传算法的巡检机器人路径规划方法，其特征是，所述根据巡检机器人的移动方向数据和位置数据，基于改进的遗传算法，得到最优移动路径排序，将排序最靠前的路径作为巡检机器人下一步的移动路径；具体步骤包括：设置巡检机器人的初始位置，设置巡检机器人的目标位置，设置巡检机器人可行走的路径数量为初始种群规模，设置最大迭代次数；根据建立的栅格地图对种群进行初始化；所述可行走的路径为不与障碍物栅格碰撞的路径；通过对初始种群的全局搜索，得到种群集合P；种群集合P是所有可行解的集合，后续操作都是对种群集合P中的个体进行的，通过后续操作不断优化所述可行解；执行带偏向的资源分配策略；对种群中的个体分配交配的机会，带偏向指的是每个个体分得的交配机会并不是随机或者平均的，通过带偏向的资源分配策略让更优秀的个体得到更多的交配机会；执行快速个体开发策略：根据分配的交配次数，对个体执行交配操作，也就是执行优化操作，得到的是更优秀的个体的集合；执行精英策略，以保证最优秀的个体进入到下一代的种群；生成新一代种群；判断是否满足迭代终止条件，如果不满足终止条件，则迭代次数加一，返回对初始种群的全局搜索步骤；如果满足则从各个迭代保留结果中，选择最优个体作为巡检机器人的下一步移动路径并输出。3.如权利要求2所述的基于改进遗传算法的巡检机器人路径规划方法，其特征是，所述通过对初始种群的全局搜索，得到种群集合P；具体步骤包括：对每个个体进行路径长度计算，将计算得到的路径长度作为适应度；适应度的使用体现在所有涉及个体选拔的操作中，适应度等同于个体的优秀程度；计算路径中所有相邻三点的距离作为平滑度；交叉操作：对于选中的任意两个路径，找出两条路径中所有相同的点，然后随机选择其中的一个点，将之后的路径进行互换操作；路径互换之后产生新的个体，新的个体有着新的路径长度，也就是新的适应度；变异操作：随机选取路径中除起点和终点以外的任意两个栅格，去除这两个栅格之间的路径，然后以这两个栅格为相邻点，使用初始化路径的方法将这两个点重新进行连续操作；得到一个新的个体。4.如权利要求2所述的基于改进遗传算法的巡检机器人路径规划方法，其特征是，执行带偏向的资源分配策略；具体步骤包括：设置候选对象的数量i
max
；将集合P中距离最短的所有路径放在集合T中，并对T中的个体实施基于平滑度的轮盘
赌，计算候选对象分配的配额，获得一个拥有i
max
个元素的...

【专利技术属性】
技术研发人员：耿玉水，赵晶，李文骁，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：