一种基于水虎鱼算法的路径规划方法及系统技术方案

本发明专利技术提出一种基于水虎鱼算法的路径规划方法及系统，首先建立栅格地图，获取机器人运动的起点位置和终点位置，形成由多个初始路径节点位置组成的初始种群，记录

【技术实现步骤摘要】
一种基于水虎鱼算法的路径规划方法及系统


[0001]本专利技术涉及路径规划
，具体来说是一种基于水虎鱼算法的路径规划方法及系统
。

技术介绍

[0002]随着移动机器人在制造业
、
服务业等各个领域广泛应用，路径规划正成为研究热点，以期提升移动机器人智能化水平和自主导航能力
。
路径规划是指，在复杂环境下根据起点和目标点，寻找到一条最优路径，满足最短路径
、
无碰撞
、
路径光滑性等约束条件
。
面对路径规划问题，元启发式智能优化算法发挥了不可替代的作用
。
目前市场中存在的元启发式算法有基于进化的算法
、
基于物理和化学的算法
、
基于人类的算法
、
基于群体智能的算法
。
另外，元启发式的算法有许多经典的代表算法：遗传算法
、
万有引力算法
、
鱼群算法以及它们的改进算法，遗传算法通过模拟自然界中种群的更新繁衍，其具备较好的全局搜索能力，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于水虎鱼算法的路径规划方法，其特征在于，包括以下步骤：
S01.
首先建立栅格地图，获取机器人运动的起点位置和终点位置，形成由多个初始路径节点位置组成的初始种群，记录
POA
算法参数：初始种群数量
N
；捕猎行为与随机行为转换参数
M、M1、M2
，其中
M1、M2
分别为
M
值的下限和上限；自适应繁衍行为转换参数
p
，然后生成初始化可行路径节点位置的种群，计算种群适应度最优值
fit
best
以及最优路径
X
best
；
S02.
当
M
＜
M1
时，执行捕猎行为：引入万有引力因子，通过计算当前路径
X
i
与周围路径之间的万有引力
F
ij
得到路径节点的移动步长
step
i
与方向，更新种群当前路径节点位置；
S03.
当
M1
＜
M
＜
M2
时时，执行漫游行为：引入
Levy
飞行策略，更新种群路径节点位置；
S04.
执行自适应繁衍行为：引入基于进化算法的两种交叉算子，更新节点位置；
S05.
计算出种群适应度值，更新最优值
fit
best
；
S06.
检验是否达到收敛条件，如果“否”，则从步骤
S02
继续迭代，如果“是”，则输出最优路径的节点位置
X
best
和最优值
fit
best
，迭代结束；其中，所述万有引力算子采用了
sigmoid
函数定义了万有引力常数
G(t)
，具体为：其中，
G0表示万有引力初始常数；
μ
为引力参数；
t
为当前迭代次数，
T
max
为最大迭代次数；所述
Levy
飞行策略采用了双曲正切自适应函数定义了步长缩放因子
α
，具体为：其中，
ε
为缩放参数
。2.
根据权利要求1所述的一种基于水虎鱼算法的路径规划方法，其特征在于，所述步骤
S01
具体过程为：
Step1.1
：生成初始路径时，采用动态步长向目标方向进行搜索，采用八邻域搜索方式搜索方向，若未穿过障碍物并在地图内则以相同方式继续生成新节点，直到最后节点与目标点的连线未穿过障碍物为止；生成新节点方式如公式
(6)
所示：式中：
(x
d+1
,y
d+1
)
为待选路径节点的直角坐标；
(x
d
,y
d
)
为当前路径节点的直角坐标；
(x1,y1)
为起点的直角坐标；
(x
G
,y
G
)
为终点的直角坐标；
rand
为0‑1之间的随机数；
Step1.2
：计算适应度函数时，考虑路径长度和路径拐角函数两个因素，并将两个因素进行了归一化处理；为提高收敛速度，引入惩罚因子
m
；在进行种群行为时，产生的新路径穿过一次障碍物时，惩罚因子
m
取1，以此类推，以求躲避无效路径，提高搜索效率；适应度函数如公式
(7)
所示：
f(t)
＝
[
β1×
f1(t)+
β2×
f2(t)]
×
e
m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
式中：
f1(t)
为路径长度函数；
f1(t)
为路径转角函数；
β1、
β2分别为
f1(t)、f2(t)
的权值
。
路径长度函数
、
路径转角函数分别如公式
(8)、(9)
所示：
其中，
L
为一条路径中的节点数，
a,b,c
的具体表达方式如下：
a2＝
(x
d
‑
x
d
‑1)2+(y
d
‑
y
d
‑1)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)b2＝
(x
d+1
‑
x
d
)2+(y
d+1
‑
y
d
)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)c2＝
(x
d+1
‑
x
d
‑1)2+(y
d+1
‑
y
d
‑1)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
式中：
(x
d
‑1,y
d
‑1)
为上一路径节点的直角坐标
。3.
根据权利要求1所述的一种基于水虎鱼算法的路径规划方法，其特征在于，所述步骤
S02
的具体过程为：
Step2.1
：通过计算当前路径
X
i
与周围路径的万有引力
F
ij
得到路径节点的移动步长
step
i
与方向，其迭代更新表示如公式
(13)
所示，
X
i
(t+1)
＝
X
i
(t)+step
i
(t+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)Step2.2
：移动步长
step
由个体间的万有引力所确定，其迭代更新表示如公式
(14)
所示，
step
i
(t+1)
＝
a
i
(t)+rand
×
step
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
其中，
rand
表示0～1之间的随机数；
a
i
(t)
表示当前个体
i
的加速度，其表达式如公式
(15)
所示，
a
i
(t)
＝
F
i
(t)/M
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
其中，
F
i
(t)
表示当前路径
X
i
受到周围个体的万有引力，其表达式如公式
(16)
所示；
M
i
(t)
为惯性质量，其表达式如公式
(19)
所示；其中，
rand
表示0～1之间的随机数；
F
ij
(t)
表示当前个体
i
受到个体
j
的万有引力，其表达式如公式
(17)
所示，其中，
G(t)
表示为改进的万有引力常数，采用了
sigmoid
函数，其表达式如公式
(18)
所示；
D
i,j
表示
X
i
和
X
j
之间的距离，其表达式如公式
(20)
所示；为防止分母为零，取
ε
为
0.001
，，
D
i,j
＝
||X
i
(t)
‑
X
j
(t)||
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
其中，
G0表示万有引力初始常量，取值为
100
；
μ
为引力参数，取为
30
；
T
max
为最大迭代次数，取为
100
；
m
i
为引力质量，与个体适应度值有关，具体表示如公式
(21)
所示，
m
i
(t)
＝
[f
i
(t)
‑
w(t)/b(t)
‑
w(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
其中，
w(t)
为当前种群适应度的最优值，
b(t)
为当前种群适应度的最差值
。4.
根据权利要求1所述的一种基于水虎鱼算法的路径规划方法，其特征在于，所述步骤
S03
的具体过程为：
Step3.1
：根据
Levy
飞行策略更新路径节点位置，得到新种群，其更新方式如公式
(22)
所示，
X
i
(t+1)
＝
X
i
(t)+
α
×
L(
β
)
×
X
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
其中，
α
为改进的步长缩放因子，具体表达方式如公式
(23)
所示；
L(
β
)
为优化步长系数，
β
取值范围为
[0,2]
，取为
1.5
，其中，
ε
为缩放参数，取值为
10
，
t
为当前迭代次数；
Step3.2
：优化步长系数
L(
β
)
，决定当前路径
X
i
的节点移动方向和大小，其表达方式如公式
(24)
所示，其中，
Γ
(
β
)
为伽马函数，
s
的定义如公式
(25)
所示，其中，
μ
～
N(0,
σ2),v
～
N(0,1)
，
σ
可表示如公式
(26)
所示，
5.
根据权利要求1所述的一种基于水虎鱼算法的路径规划方法，其特征在于，所述步骤
S04
的具体过程为：当
rand<p
时，选择
90
％的路径个体
X
i
(t)
与最优路径
X
best
的节点进行交叉互换，具体如公式
(22)
所示，
X
i
(t+1)
＝
X
i
(t)
×
ω
+X
best
×
(1
‑
ω
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
当
rand>p
时，选择当前路径个体
X
i
(t)
与自身路径
X
i
(t)
的节点进行交叉互换，到达新路径
X
i
(t+1)
的节点位置，搜索更加随机，具体如公式
(23)
所示，
X
i
(t+1)
＝
X
i
(t)
×
ω
‑
(1
‑
ω
)
×
X
i
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
其中，
ω
为0～1之间的随机数
。
自适应繁衍行为参数
p
...

【专利技术属性】
技术研发人员：胡祥涛，张勇乐，李子怡，许建军，谢安祥，胡明，周福杰，
申请(专利权)人：安徽大学，
类型：发明
国别省市：