买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了基于改进蚁群算法的移动机器人路径规划方法，属于移动机器人控制领域。本发明首先通过K‑medoids算法对地图障碍物聚类分析，差异化初始信息素浓度，提升了前期收敛速度；然后对蚁群算法进行改进，通过引进自适应启发函数，根据待访问节点位置的不同对启发因子适当放大，以加快向目标点搜索的速度；设定双向搜索机制，将寻找目标点问题转化为两只蚂蚁相遇问题，提高了算法效率，从而提高了路径规划的速度。仿真数据说明本发明相比于现有的路径规划方案，机器人的最短路径长度缩短了5％，过程拐弯次数减少30％，收敛代数减少46.2％，因此本发明可更快速寻找到机器人的最短路径，且路径质量更优。

主权项：1.一种基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述方法包括：步骤1：将移动机器人的工作环境视作二维平面坐标系，利用栅格法将所述工作环境构建为静态栅格地图；步骤2：利用聚类算法对所述静态栅格地图做预处理，地图被划分为若干个聚类分区，定义疏通值和拥堵值来量化区域环境复杂度，使信息素浓度差异化；步骤3：初始化各项参数，包括：种群数量M、信息素权重α、启发函数权重β、信息素挥发系数ρ，初始化禁忌表Tabu，并设置最大迭代次数K；步骤4：在所述移动机器人工作环境的起始点S和终点E分别放置M只蚂蚁，从第m＝1对蚂蚁开始，检查该对蚂蚁的行走路径是否存在交集，若不存在，则根据节点转移概率公式转移到下一节点，并将先前节点加入到各自的禁忌表中；若存在，则跳转到步骤5；步骤5：根据该对蚂蚁的行走路径得到一个路径解，并计算路径长度；判断M对蚂蚁寻路是否已全部完成，若m＝M，则找出当前迭代的最优解和最差解；否则m＝m+1，转到步骤4，下一对蚂蚁重新开始寻路；步骤6：每次迭代结束时，更新节点信息素浓度，迭代次数k＝k+1；当k＝K时，所有迭代完成，输出全局最优路径解和对应的最短路径长度，作为所述移动机器人的最优路径；所述步骤4中的节点转移概率公式为： 其中，表示节点转移概率；τabt为节点a和b间的信息素浓度；ηabt为节点a到节点b的启发函数；α、β分别表征信息素浓度和启发函数的权重；τast为节点a到s间的信息素浓度，ηast为节点b到s间的启发函数，allow表示蚂蚁下一步允许访问的节点集合；所述启发函数ηabt为： 其中，Hab为节点a到节点b的曼哈顿距离，HbE为节点b到终点E的曼哈顿距离，ax、ay为节点a的横纵坐标，bx和by为节点b的横纵坐标；所述步骤4中节点转移策略还包括标记回退的策略，所述标记回退的策略为：蚂蚁走到B节点时，下一步允许访问的节点集合为空，陷入死锁，此时将B节点标记为障碍物，并回退到A节点，避免后续蚂蚁再次进入陷阱，节约寻路资源；所述更新节点信息素浓度的方法包括：引入奖惩策略和引入拐点评价函数；所述引入奖惩策略为：当每次迭代结束时，只保留找到目标点的路径解，对超过伪全局最优解的路径节点信息素予以提高，对当前所有路径解中的最差解予以降低信息素浓度，所述节点信息素浓度公式为： 其中，Q为信息素初始值，iter_best为此次迭代中的最优解，iter_worst为此次迭代中最差解，best为伪全局最优解；t代表第t时刻，即第t代蚂蚁，ρ是信息素挥发系数；所述拐点评价函数，根据每次转弯角度的不同定义相应的扩展路径长度，公式如下： 其中，θ为转弯角度，fθ代表扩展路径长度；所述步骤2利用K-medoids算法对地图障碍物聚类分析，依据各聚类中心点划定地图分区，并以疏通值和拥堵值指标表示区域环境复杂度；确定簇中心点的相异度总和公式如下： 其中，TCih代表中心点Oi被非中心点Oh替代后的总代价，Cjih代表中心点Oi被非中心点Oh替代后非中心点Oj的代价；定义疏通值Pi0描述分区内可直行通过栅格数量，定义拥堵值Pi描述分区内障碍物的密集度，公式如下：Pi0＝Ni0SiPi＝NiSi式中，Ni0表示分区Yi内可直行栅格数，Ni表示分区Yi内障碍栅格数量，Si表示分区内栅格总数；由各聚类分区的疏通值Pi0和拥堵值Pi，定义环境复杂度函数Pu，公式如下：Pu＝expPi0-Pi所述步骤4和步骤5中根据一对蚂蚁的行走路径得到一个路径解的过程包括：每次迭代在移动机器人工作环境的起点和终点各设置一组蚂蚁，起点和终点的每只蚂蚁分别记为Skk＝1,2,…m和Ekk＝1,2,…m，从起点和终点各取一只蚂蚁进行路径搜索，每对蚂蚁记为Sk,Ek，其中起点蚂蚁由起点出发正向搜素，终点蚂蚁由终点出发反向搜索；设PathSk为蚂蚁Sk经过的路径节点集合，PathEk为蚂蚁Ek经过的路径节点集合，JSk,Ek为该对蚂蚁经过节点的交集；当JSk,Ek集合不为空时，代表两只蚂蚁在途中相遇，即找到一条可行路径，则停止搜索；实际路径解Path为蚂蚁Sk的节点序与蚂蚁Ek的节点逆序串联，公式如下：JSk,Ek＝PathSk∩PathEkPath＝PathSk+fliplrPathEk其中，fliplr*表示左右翻转矩阵。

全文数据：

权利要求：

百度查询： 江南大学 基于改进蚁群算法的移动机器人路径规划方法