一种基于IHS-SFLA算法的移动机器人路径规划方法技术

本发明专利技术公开一种基于IHS

【技术实现步骤摘要】
一种基于IHS
‑
SFLA算法的移动机器人路径规划方法


[0001]本专利技术涉及机器人路径规划
，具体是一种基于IHS
‑
SFLA(改进和声搜索
‑
混合蛙跳融合)算法的移动机器人路径规划方法。

技术介绍

[0002]路径规划技术简单来说就是为移动机器人寻找到一条满足需求的安全无碰撞路径的一项技术，面对不同的应用环境下的不同条件约束，机器人如何寻找到一条满足规划目标的最优路径是路径规划研究领域的重要任务。尽管众多国内外学者专家们在机器人路径规划方面取得了许多重大突破，也提出了很多算法以及对算法进行改进来解决路径规划技术在应用中存在的问题。但对于众多算法来说，依旧存在部分问题还尚未解决，所以攻克和解决路径规划算法存在的问题是机器人研究领域中最重要的难题之一。
[0003]目前，国内外许多专家学者都在致力于路径规划算法的研究，常用的优化算法主要有人工势场法、免疫算法、蚁群优化算法、神经网络、粒子群优化算法和混合蛙跳算法等。
[0004]其中，混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)是根据青蛙在石块上觅食时的种群分布变化而提出的算法。在混合蛙跳算法中，每个青蛙的位置代表了一个问题的可行解。青蛙所在的池塘中有数块石块，每一代中，青蛙们会根据自身位置的适应度被分配到不同石块上。同时在这一代中，每块石块上仅有位置最差的青蛙会跳动，且该青蛙首先会向着同一个石块上的最优位置的青蛙跳动，如果新的位置比原位置差则向则全局最优位置跳动，若该位置仍旧比原位置差则在解空间内随机跳动一次。相比较其他优化算法，混合蛙跳算法具备逻辑简单，适应模型广泛、随机搜索等优点。但同时，混合蛙跳算法也存在一些缺点需要去改进，首先，由于初代的青蛙位置是随机生成的，因此容易产生质量较差的位置，较差的初代解会给算法后续操作带来不良的影响；此外，青蛙的移动策略主要有向同一石块上最优位置青蛙移动以及向种群中最优的青蛙移动两种，这两种方式各有优缺，融合两种方式有利于提高移动策略的有效性，最后，在传统混合蛙跳算法中，算法每代仅针对各石块上的最劣位置的青蛙进行操作，忽略了对全局最优解进行进一步改善，全局最优解的质量将极大的影响着算法的收敛速度。基于以上存在的问题，本专利技术提出一种改进和声搜索
‑
混合蛙跳融合算法(Improved Harmony Search Shuffled Frog Leaping Algorithm，IHS
‑
SFLA)，对以上传统混合蛙跳算法的三点不足进行了改进，首先针对初代青蛙的位置信息随机生成而导致普遍质量较差的现象，提出一种基于视距的节点选择策略来构造初代路径解，即青蛙的初始位置；其次，修改青蛙的位移策略，使得青蛙在移动时能够同时参考局部和全局最优解，从而增强青蛙的位移效率；最后，通过融入和声搜索算法(Harmony Search，HS)来对全局最优解进行领域搜索，加强算法的局部搜索能力。

技术实现思路

[0005]本专利技术的目的在于提供一种基于IHS
‑
SFLA算法的移动机器人路径规划方法，该方法能够克服传统混合蛙跳算法初代青蛙种群的位置适应度低、青蛙移动策略考虑因素不全
面、忽略对全局最优解进行优化而导致的迭代速度慢等不足，从而提高算法解决路径规划任务的效率。
[0006]基于采样的路径规划问题可被描述为，首先，对移动空间中的障碍物进行栅格化建模，之后在移动空间中进行随机采样节点，删除与障碍物重叠的采样点，设包含n个采样节点的列表S＝{s1,s2,s3...s
n
}，青蛙的位置(即路径节点数)的维度为d，则任意青蛙i的位置可描述为path
i
＝[s
i,1
,s
i,2
...s
i,d
],s
i,1≤j≤d
∈S，如图1所示为一个基于采样的路径规划示意图。
[0007]在传统混合蛙跳算法中，青蛙的初始位置主要依赖随机方法生成，这往往会使得算法的初代解适应度较低，本专利技术首先提出一种基于视距的节点选择策略来构造初代青蛙位置信息。
[0008]如图2所示，生成第i只青蛙的位置信息即路径信息path
i
时，考虑到起点终点已知，因此对于路径中任一节点s
i,j
(2≤j≤d
‑
1)，将从以s
i,j
‑1节点为圆心，以视距R
v
为半径的视野范围内的采样点中选择，即节点s
i,j
‑1满足公式(1)，视距R
v
计算见公式(2)，其中L(start,end)为起点start与终点end之间的欧式距离，为path
i
中前j
‑
1个路径节点构成的路径的长度。
[0009]L(s
i,j
‑1,s
i,j
)≤R
v
(1)
[0010][0011]视野范围内的n'个待选节点中的第k个节点s'
k
(1≤k≤n')的选择概率见公式(3)，其中α为距离导向因子。
[0012][0013]其次，在传统SFLA的每一轮迭代过程中，青蛙会先向着同一石块上的最优位置青蛙进行移动，若是移动后的新位置比原位置更差，则再向全局最优位置移动，这种方法固然有用，但当石块的最优位置质量较差时，会导致同一石块上的青蛙进化速度过慢。本专利技术针对该问题提出一种多元引力移动策略来作为青蛙的位移策略，在该策略中，青蛙移动将同时受到同一石块上最优位置与全局最优位置两者的影响，且两个位置的相对优劣将决定着自身影响力大小，位置越差，影响力越小。新的位移公式如式(4)所示，其中s_d
l,j
与s_d
g,j
分别为同一石块上最优位置与全局最优位置的第j个节点的坐标值，f
l
与f
g
与同一石块上最优位置与全局最优位置的引力系数，依据式(5)计算，其中，fitness
l
与fitness
g
分别是同一石块上最优位置与全局最优位置的适应度，即路径长度。图3为本专利技术改进移动策略的示意图。
[0014][0015][0016]最后针对传统SFLA算法中忽略了对全局最优解的进一步优化，本专利技术引入和声搜
索算法(Harmony Search，HS)中的音调微调策略来对全局最优解微调优化。在HS中，音调微调可用式(6)表示，其中x'
j
为新的第j个和声，rand为[0,1]上的均匀分布随机数，bw为音调微调带宽，PAR为音调微调概率。
[0017][0018]本专利技术对全局最优解进行微调优化，设青蛙群体的全局最优位置的节点信息为path
g
＝[s
g,1
,s
g,2
...s
g,d
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IHS
‑
SFLA算法的移动机器人路径规划方法，包括以下步骤：S1、算法参数初始化，如最大迭代次数T、青蛙种群大小M、石块数量Mt、青蛙位置维度d、起点start、终点end、距离导向因子α、音调微调带宽bw、音调微调概率PAR；S2、根据式(1)、(2)初始化青蛙种群位置；L(s
i,j
‑1,s
i,j
)≤R
v
(1)R
v
＝(L(start,end)
‑
L...

【专利技术属性】
技术研发人员：王雷，李东东，凌雪，蔡劲草，王安恒，王海，王艺璇，王天成，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：