一种基于具有学习能力的智能蚁群算法的路径规划方法技术

本发明专利技术提供了一种基于具有学习能力的智能蚁群算法的路径规划方法，包括以下步骤：步骤S1，使用蚁群算法求解大量路径规划任务，根据得到的解构造训练数据集；步骤S2，使用深度学习网络作为智能蚂蚁的大脑模块，使用训练数据集对大脑模块进行训练，智能蚂蚁用于预测不同路径规划任务在不同阶段下可行方向的选择概率；步骤S3，训练结束后，将训练好的智能蚂蚁与蚁群算法的传统蚂蚁混合，构建得到混合智能蚁群；步骤S4，通过混合智能蚁群进行路径规划，混合智能蚁群根据智能蚂蚁预测的选择概率、混合智能蚁群积累的信息素浓度和节点之间的距离来选择下一次运动，同时传统蚂蚁保持进行随机探索，并根据智能蚂蚁和传统蚂蚁的结果进行信息素浓度的更新。

【技术实现步骤摘要】

本专利技术属于路径规划领域，具体涉及一种基于具有学习能力的智能蚁群算法的路径规划方法。

技术介绍

1、随着城市规模不断扩大，交通问题正不断阻碍着城市的发展，影响着人们的日常生活。道路拥堵以及突发交通事故在繁忙的城市交通网路上时常发生，因此高效的路径规划技术就显得尤为重要。目前路径规划技术已经被广泛应用在多个领域中，包括机器人的自主无碰撞行动、无人机的自主避障飞行、gps导航、物流场景中的任务管理等等。路径规划的目的是要找到一条从起始位置出发到终点的无碰撞且代价最小的解，这里代价的评估标准根据实际需求可以是时间、路径长度、能量消耗和实际性能等等。面对具有高复杂度、动态实时性的道路优化问题，现有的优化算法虽然可以解决一定的问题，但仍然无法给出一个令人们以的效果，尤其是依赖传统群体搜索类的算法，例如蚁群算法、粒子群算法和遗传算法等。

2、传统的蚁群算法是一种模拟蚂蚁觅食行为的模拟优化算法，由意大利学者dorigo、maniezzo等人于二十世纪九十年代首次提出。在研究蚂蚁觅食的过程中，他们发现蚁群总是能在不同的环境下寻找到达食物源最短的路径。经进一步本文档来自技高网...

【技术保护点】

1.一种基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于：

3.根据权利要求1所述的基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于：

4.一种基于具有学习能力的智能蚁群算法的路径规划系统，其特征在于，包括：

5.根据权利要求4所述的基于具有学习能力的智能蚁群算法的路径规划系统，其特征在于：

6.根据权利要求4所述的基于具有学习能力的智能蚁群算法的路径规划系统，其特征在于：

【技术特征摘要】

1.一种基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于：

3.根据权利要求1所述的基于具有学习能力的智能蚁群算法的路径规划方法，其特征在于：

【专利技术属性】
技术研发人员：李伟，刘翼，邱江，余依蓝，魏秉晟，
申请(专利权)人：复旦大学，
类型：发明
国别省市：