一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法技术

本发明专利技术公开了一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，涉及路径规划领域。本发明专利技术构建待规划区域的栅格地图，并在栅格地图上标记路径起点、目标点、自由栅格和障碍栅格；将根据栅格地图生成种群作为蜣螂算中的蜣螂初始种群；滚球蜣螂群组根据无障碍情况和有障碍情况进行位置更新后，根据适应度函数求出滚球蜣螂群组的第一最优解；繁殖蜣螂群组、觅食蜣螂群组和偷窃蜣螂群组分别进行位置更新后，通过适应度函数得到第二最优解，将第一最优解和第二最优解结合得到新的种群；重复执行上述步骤，直至达到最大迭代次数，最后剔除冗余节点和二阶贝塞尔曲线平滑处理，得到最优路径。

【技术实现步骤摘要】

本专利技术涉及路径规划领域，尤其涉及一种基于改进蜣螂优化算法的巡检机器人多目标路径规划方法。

技术介绍

1、巡检机器人的路径规划可以被简单描述为tsp问题。tsp的目标是找到符合上述条件的最短访问路线，此问题用一般的算法很难得到最优解，早期使用分支界定、动态规划法等精确算法求解，但随着解决问题规模的扩大，将难以获得精确结果，因而启发式算法被提出。启发式算法得到的结果虽然不能证明是最优解，但可以有效地提供次优或者可能最优的解，其分为传统启发式算法和元启发式算法。

2、蜣螂优化算法(dung beetle optimizer，dbo)是一种新型的群智能优化算法，较于粒子群优化算法、遗传算法等经典算法，dbo算法兼顾了全局探索和局部开发，具有收敛速度快、求解精度高的特点，dbo算法根据蜣螂种群分工划分不同的生存任务，种群中分为滚球蜣螂、繁殖蜣螂、觅食蜣螂、偷窃蜣螂4种。然而，没有免费的午餐定理在逻辑上证明了没有一种元启发式算法适合解决所有的优化问题。在优化问题上，dbo算法优于其他算法。然而，对于dbo算法来说，获得理想的最优解仍然极具挑战性。此外，本文档来自技高网...

【技术保护点】

1.一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，所述初始种群通过Logistis混沌映射进行初始化处理，所述Logistic混沌映射为：

3.根据权利要求1所述一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，所述滚球蜣螂的位置更新方法为：

4.根据权利要求1所述一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，所述跳舞蜣螂的位置更新过程为：

5.根据权利要求1所述一种...

【技术特征摘要】

1.一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，所述初始种群通过logistis混沌映射进行初始化处理，所述logistic混沌映射为：

3.根据权利要求1所述一种基于改进蜣螂优化算法的巡检机器人多目标点路径规划方法，其特征在于，所述滚球蜣螂的位置更新方法...

【专利技术属性】
技术研发人员：李妍，于智龙，齐丽华，高东浦，张雪寒，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：