【技术实现步骤摘要】
本专利技术涉及路径规划，具体涉及一种基于多目标优化与dnn优先级排序的多机器人路径规划方法。
技术介绍
1、多机器人路径规划是多机器人系统研究的核心问题之一，它与单个机器人的路径规划策略有所区别。在这一领域中，不仅要为每一个机器人个体单独规划出从起点至终点的最优化路径，更需关注由于多个机器人在同一工作空间中共存而引发的资源争夺问题。机器人路径规划问题有明显的多目标特征，规划路径需要满足路径最短、最小平滑度和最小风险度等目标，现有的路径规划算法往往难完全能够生成同时满足多种条件的路径。多目标优化方法可以良好的解决存在冲突情况下的优化问题，每次优化可以根据需要得到一个解集，包含所优化问题的多个可行解，便于机器人进行选择。基于角度支配的多目标优化算法具有收敛速度快、不易陷入局部最优值的特点，是一种求解多目标优化问题的有效算法。同时，多机器人路径之间的冲突消解和路径规划顺序也会对路径规划产生重要影响，因此如何有效协调多机器人之间的行动成为了解决该问题的核心所在，深度神经网络(dnn)技术可以有效的分析预测多个机器人优先级排列对于最后结果的影响。...
【技术保护点】
1.一种基于多目标优化与DNN优先级排序的多机器人路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于DNN优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤S101中使用二维平面网格法建立环境模型，具体为：
3.根据权利要求1所述的基于DNN优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤S102中使用混合初始化方法对各机器人种群进行初始化，具体为：
4.根据权利要求1所述的基于DNN优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤S103中通过成绩标量函...
【技术特征摘要】
1.一种基于多目标优化与dnn优先级排序的多机器人路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于dnn优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤s101中使用二维平面网格法建立环境模型，具体为：
3.根据权利要求1所述的基于dnn优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤s102中使用混合初始化方法对各机器人种群进行初始化，具体为：
4.根据权利要求1所述的基于dnn优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，所述步骤s103中通过成绩标量函数asf和角度拥挤度估计fa进行交配池选择，对各种群中分布性和收敛性均较优的路径并进行交叉、变异和适应度计算，具体为：
5.根据权利要求1所述的基于dnn优先级与角支配排序的多机器人多目标路径规划方法，其特征在于，根据路径长度、路径平滑度以及路径风险度适应度值，对各机器人种群进行角度支配排序，根...
【专利技术属性】
技术研发人员：张洪光，李翔，曲宗正，张濮岩，王春辉，李巍海，刘元安，
申请(专利权)人：北京邮电大学，
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。