本发明专利技术提供一种适用于移动机器人路径规划的融合模糊控制的改进蚁群算法，所述包括融合模糊控制的蚁群算法信息素更新策略、自适应权重因子调整策略和利用Floyd思想优化路径，所述融合模糊控制的蚁群算法信息素更新策略，基于普通蚁群算法的层面，融合模糊控制器加大信息素在有效路径节点上的更新质量；所述自适应权重因子调整策略，利用每一次迭代获得的最优路径，对节点搜索公式的权重因子进行动态调整，加速算法收敛；所述利用基于Floyd算法思想的路径优化算法，设置障碍物安全距离进行路径平滑和优化。该方法改善普通蚁群算法在复杂环境中收敛速度慢、路径优化差的缺点，提高算法收敛速度，优化最终路径。优化最终路径。优化最终路径。
【技术实现步骤摘要】
一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法
[0001]本专利技术涉及移动机器人路径规划
，具体的说，涉及了一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法，用于加快移动机器人路径规划的速度和精度。
技术介绍
[0002]路径规划是移动机器人发展过程中必不可少的一项技术。目前用于移动机器人路径规划的智能算法众多，例如，人工势场法、粒子群算法、蚁群算法等。其中部分算法是以生物自然特性为启发演进而来，例如，蚁群算法。
[0003]蚁群算法是一种元启发式算法，在上世纪90年代提出，是具有正反馈和启发式搜索特性的生物启发式算法。蚁群算法作为一种全局寻优路径规划算法，能够有效解决移动机器人路径规划问题而被研究人员广泛应用。但蚁群算法仍然存在一定的不足之处。例如：在复杂环境中，蚁群算法的路径规划性能存在效率低下、路径优化能力差等问题。
[0004]蚁群算法使用迭代思想进行路径寻优，具有全局性的特点。基于目前用于移动机器人路径规划的蚁群算法改进主要体现在两方面：一方面，信息素浓度更新方式或初值的改进，此方式对更新参数要求严格，容易造成蚁群收敛进入局部最优值，路径寻优效果差；另一方面，蚁群路径节点选择策略的改进，采用“精英蚁群”思想等进行蚂蚁种群的优化，对路径节点的选择具备高度启发作用，但存在着全局搜索能力变差，容易陷入局部最优的情况。
[0005]为了解决以上存在的问题，人们一直在寻求一种理想的算法改进方案。
技术实现思路
[0006]本专利技术的目的是针对现有技术的不足，解决的技术问题是：针对蚁群算法在复杂环境中收敛速度缓慢、冗余节点多等问题，利用模糊控制器调整信息素更新策略、自适应调整权重因子进行蚁群算法的改进和优化，加速蚁群算法的收敛速度，减少迭代次数，利用Floyd思想进行蚁群算法迭代路径的优化，删除冗余节点，减小最短规划路径长度，优化蚁群算法结果。
[0007]本专利技术的技术解决方案是：一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法。包括以下步骤：
[0008]步骤一，设置环境栅格地图并设定起始点和目的点位置以及障碍物等信息，初始化蚁群算法，并开始进行迭代。
[0009]步骤二，设计二维模糊控制器，添加二维模糊控制器的输出量至信息素更新策略公式，进行后续信息素更新。
[0010]步骤三，根据蚂蚁寻找路径结果，自适应更新蚁群算法的节点概率公式中的权重因子，根据实际参数设置进行节点搜索概率公式的更新。
[0011]步骤四，判断改进蚁群算法迭代次数是否达到预设迭代次数，如果是，则进行第五步，否则返回第二步。
[0012]步骤五，基于Floyd算法提出一种优化路径算法，提取改进算法得出的最优路径节点，设定障碍物安全半径，去除冗余节点，整合路径信息，更新最优路径。
[0013]本专利技术说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
[0014]本专利技术的原理是：蚁群算法用于寻找最优路径主要依靠不同节点信息素浓度的不同进行路径选取，为了保证算法的全局搜索能力，蚁群算法使用转轮赌法作为节点选择方式，但在复杂环境中，容易出现冗余节点。通过模糊控制器对节点信息素浓度和传统信息素增量进行逻辑推理，输出适当数值的信息素并添加至信息素更新策略公式中，增加信息素的启发作用，在保证全局搜索能力的同时，促进蚁群对于最优路径的搜索收敛能力的提高。同时，通过自适应调整信息素权重因子数值，提高蚁群算法对于最优节点的选择能力，加快算法收敛能力，最后基于Floyd算法提出一种优化路径算法进行冗余节点的判断和删除，进一步优化最终路径，提高改进算法的性能。
[0015]本专利技术与现有技术相比的优点在于：
[0016](1)本专利技术将模糊控制技术和蚁群算法进行融合，对蚁群算法信息素变量进行模糊化计算，根据算法迭代运行具体情况逼近真实信息素数值，提高蚁群算法信息素浓度的启发作用，避免了现有技术容易减少搜索的多样性的问题，提高算法的全局寻优能力和最优解搜索速度。
[0017](2)同时，通过自适应调整权重因子，进一步促进算法收敛作用，避免现有技术迭代速度缓慢的问题。
[0018](3)基于Floyd算法提出一种优化路径算法，对改进蚁群算法求得的最终路径进行优化，进一步减少最优路径长度，避免现有技术存在冗余节点的问题，提高算法性能。
[0019]本专利技术提出的一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法通过MATLAB仿真进行效果验证。
附图说明
[0020]图1为本专利技术一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法的流程图。
[0021]图2为本专利技术提出的算法(右)与普通蚁群算法(左)路径规划效果对比图。本专利技术的算法路径规划最短路径为37.9100mm(其中迭代收敛最短路径为39.5563mm，Floyd算法思想优化后为37.9100mm)，普通算法最短路径为42.9706mm。
[0022]图3为本专利技术提出的算法与普通蚁群算法收敛效果对比图。
具体实施方式
[0023]下面通过具体实施方式，对本专利技术的技术方案做进一步的详细描述。
[0024]本专利技术提供一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法，包括以下步骤：
[0025]步骤一，改进算法以栅格地图为主要使用场景，设定路径规划的起始点、目的点以及障碍物等信息，初始化蚁群算法，并开始进行迭代。
[0026]步骤二，当一只蚂蚁搜索路径完成时，利用模糊控制器对节点信息素浓度进行更新，得到模糊控制器更新值，用于改进蚁群算法的信息素更新策略。
[0027]步骤三，根据蚂蚁寻找路径结果，自适应更新蚁群算法的节点概率公式中的信息素权重因子。
[0028]步骤四，判断改进蚁群算法迭代次数是否达到预设迭代次数，如果是，则进行第五步，否则返回第二步。
[0029]步骤五，基于Floyd算法提出一种优化路径算法，提取改进算法得出的最优路径节点，设定障碍物安全半径，去除冗余节点，整合路径信息，更新最优路径。
[0030]2、根据权利要求1所述的融合模糊控制的改进蚁群算法，其特征在于，设计模糊控制器为二维模糊控制器，输入变量分别为节点信息素浓度Tau和信息素浓度变化量ΔTau_tra，输出变量为单变量，即为信息素增量ΔTau_Fuzzy，将输出变量的信息素增量添加至蚁群算法的信息素更新公式中，加大信息素的启发作用。具体的信息素更新策略公式为：
[0031][0032][0033]其中，τ
j
(t)为t时刻节点j上的信息素浓度，是节点j上的普通蚁群算法中第z只蚂蚁的信息素增量值，m为蚂蚁数量，ρ为信息素蒸发速度,L
Z
为蚂蚁z寻找到的路径长度，Q为常量。
[0034]3、根据权利要求2所述的融合模糊控制的改进蚁群算法，其特征在于，模糊控制器输入变量的隶属函数为广义钟形隶属函数，两个输入量分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法，其特征在于，包括以下步骤：步骤一，改进算法以栅格地图为主要使用场景，设定路径规划的起始点、目的点以及障碍物等信息，初始化蚁群算法，并开始进行迭代；步骤二，当一只蚂蚁搜索路径完成时，利用模糊控制器对节点信息素浓度进行更新，得到模糊控制器更新值，用于改进蚁群算法的信息素更新策略；步骤三，根据蚂蚁寻找路径结果，自适应更新蚁群算法的节点概率公式中的信息素权重因子；步骤四，判断改进蚁群算法迭代次数是否达到预设迭代次数，如果是，则进行第五步，否则返回第二步；步骤五，基于Floyd算法提出一种优化路径算法，提取改进算法得出的最优路径节点，设定障碍物安全半径，去除冗余节点，整合路径信息，更新最优路径。2.根据权利要求1所述的融合模糊控制的改进蚁群算法，其特征在于，设计模糊控制器为二维模糊控制器，输入变量分别为节点信息素浓度Tau和信息素浓度变化量ΔTau_tra，输出变量为单变量，即为信息素增量ΔTau_Fuzzy，将输出变量的信息素增量添加至蚁群算法的信息素更新公式中，加大信息素的启发作用；具体的信息素更新策略公式为：法的信息素更新公式中，加大信息素的启发作用；具体的信息素更新策略公式为：其中，τ
j
(t)为t时刻节点j上的信息素浓度，是节点j上的普通蚁群算法中第z只蚂蚁的信息素增量值，m为蚂蚁数量，ρ为信息素蒸发速度,L
Z
为蚂蚁z寻找到的路径长度，Q为常量。3.根据权利要求2所述的融合模糊控制的改进蚁群算法，其特征在于，模糊控制器输入变量的隶属函数为广义钟形隶属函数，两个输入量分别划分为三个模糊集：负大(NB)、零(ZO)、正大(PB)；输出量的隶属函数为三角形隶属函数，划分为七个模糊集：负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)。4.根据权利要求3所述的融合模糊控制的改进蚁群算法，其特征在于，模糊控制器的模糊规则为：(1)IF Tau IS NB AND
ꢀ△
Tau_tra IS NB THEN
ꢀ△
Tau_Fuzzy IS ZO(2)IF Tau IS NB AND
ꢀ△
Tau_tra IS ZO THEN
ꢀ△
Tau_Fuzzy IS PM(3)IF Tau IS NB AND
ꢀ△
Tau_tra IS PB THEN
ꢀ△
Tau_Fuzzy IS PB(4)IF Tau IS ZO AND
ꢀ△
Tau_tra IS NB THEN
ꢀ△
Tau_Fuzzy IS NB(5)IF Tau IS ZO AND
ꢀ△
Tau_tra IS ZO THEN
ꢀ△
Tau_Fuzzy IS PM(6)IF Tau IS ZO AND
ꢀ△
Tau_tra IS PB THEN
ꢀ△
Tau_Fuzzy IS PB(7)IF Tau IS PB AND
【专利技术属性】
技术研发人员：刘建娟，刘忠璞，薛礼啟，袁航，张会娟，陈红梅，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。