一种基于PSO-MPC融合的多智能体路径规划方法技术

本发明专利技术涉及了一种基于PSO‑MPC融合的多智能体路径规划方法，涉及人工智能路径规划技术领域。对多智能体路径规划是一个具有挑战性的任务，涉及缩短路径长度、保持安全行驶距离。本文提出一种PSO与MPC融合的多智能体路径规划算法；在该算法中，首先，利用PSO算法规划全局路径，并引入多目标点的导向函数、权重因子自适应函数，来减少路径长度；其次，以全局路径作为MPC实时跟踪的参考轨迹，并引入安全的预测点、控制智能体函数的行驶速度，从而保持智能体行驶的安全性。最后，在仿真实验中与传统PSO、MOPSO以及蚁群等其他算法的对比实验表明，本文提出的算法形成的全局路径长度更短，收敛速度更快；智能体时刻位于安全区域中，且形成的路径更加光滑。

【技术实现步骤摘要】

本专利技术涉及人工智能路径规划，尤其是一种基于pso-mpc融合的多智能体路径规划方法。

技术介绍

0、技术背景

1、路径规划是人工智能系统自主导航的关键环节之一，同时也是人工智能系统领域的研究热点。路径规划目的主要是让智能体在规定范围的区域内找到一条从起点到终点的路径，而且这条路径没有和中途的障碍物发生碰撞。路径规划以及轨迹跟踪的核心就是算法的设计，目前常见的路径规划和轨迹跟踪算法有：a*算法、dijkstra算法、rrt算法、遗传算法、粒子群算法、动态窗口算法、pid控制算法、stanley算法、lqr算法、mpc算法等。

2、粒子群算法是一种基于群体智能的优化算法，模拟鸟群或鱼群等群体的觅食行为。在粒子群算法中，每个“粒子”代表一个潜在的解，并且在搜索空间中移动以寻找最优解。粒子群算法的基本思想是通过模拟鸟群或鱼群的行为，每个粒子根据自身的经验和群体的经验来调整自己的位置和速度。在搜索过程中，粒子会记录自己的最佳位置(个体最优解)和整个群体的最佳位置(全局最优解)，并根据这些信息来更新自己的速度和位置。最终，选择一条整个群体的本文档来自技高网...

【技术保护点】

1.一种基于PSO-MPC融合的多智能体路径规划方法，其特征在于，为了在引入多目标点后，让形成的曲线没有相交的点，在初始化速度、位置等种群信息后，本专利技术引入了排序函数dai，其表达式为：

2.一种基于PSO-MPC融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代、快速收敛使形成的全局路径更优，本专利技术对速度公式进行改进，引入了多目标点和对多目标点向理论最优靠近，粒子速度公式变成多目标点运动公式并引入导向函数，其表达式分别为：

3.一种基于PSO-MPC融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代...

【技术特征摘要】

1.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了在引入多目标点后，让形成的曲线没有相交的点，在初始化速度、位置等种群信息后，本发明引入了排序函数dai，其表达式为：

2.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代、快速收敛使形成的全局路径更优，本发明对速度公式进行改进，引入了多目标点和对多目标点向理论最优靠近，粒子速度公式变成多目标点运动公式并引入导向函数，其表达式分别为：

3.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代、快速收敛使形成的全局路径更优，本发明引入了权重因子函数，其表达式为：

4.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使得形成的路径平滑且在避开障碍物的同时，还能在智能体进行轨迹跟踪时能够保持其安全性，本发明用三次样条曲线形成光滑的曲线，给出安全函数，其定义式如下：

5.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使pso路径规划算法从单智能体应用于多...

【专利技术属性】
技术研发人员：吕重阳，周能宏，王爽，董文静，庞怀勇，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：