一种基于改进蚁群算法的路径规划方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115857505A(43)申请公布日2023.03.28(21)申请号202211547160.9(22)申请日2022.12.03(71)申请人上海应用技术大学地址201400上海市奉贤区海泉路100号(72)发明人杜为栋蒋文萍汪凌阳韩文超(74)专利代理机构宁波海曙甬睿专利代理事务所(普通合伙)33330专利代理师范翠英(51)Int.Cl.G05D1/02(2020.01)权利要求书2页说明书9页附图2页(54)发明名称一种基于改进蚁群算法的路径规划方法(57)摘要本发明公开了一种基于改进蚁群算法的路径规划方法，本发明提出在计算单个蚂蚁转移概率时，引入全局变量代替原有的局部转移概率，避免算法陷入局部最优的情况；鉴于路径规划中优质路线会避开急转弯，本发明提出一种安全性检测技术，在单轮寻路结束后，信息素更新之前，对本次寻优路径质量做出评估，予以取舍，本发明使用了自适应信息素动态调整，提高了算法的效率，本发明提高了传统蚁群算法的运行效率和最终所得路径的质量，通过单个蚂蚁寻优的转移概率上引入全局变量，避免局部最优的情况；在每次寻路结束后，加入安全性检测，提高路径质量，杜绝非安全路径出现；改进自适应信息素，使得算法收敛速度更快，提高路径规划的效率和质量。CN115857505ACN115857505A权利要求书1/2页1.一种基于改进蚁群算法的路径规划方法，其特征在于：包括以下步骤：步骤一：栅格法创建地图，将移动机器人的工作坏境单元化分割，通过这一方法把现实的工作坏境映射为二进制的可视化栅格地图；步骤二：初始化地图的参数；步骤三：使M只蚂蚁按蚁群算法结合角度惩罚机制和全局适应度算法后依轮盘赌选择概率各自寻路；步骤四：安全性检测路径；步骤五：自适应更新信息素；步骤六：判断是否达到结束条件，如是，则结束，否则继续循环步骤三至步骤五。2.根据权利要求1所述的一种基于改进蚁群算法的路径规划方法，其特征在于：所述步骤三中，转移概率的启发式因子为：其中，dij为当前节点i与下一节点j两点间距离，djE为下一个节点与目的点两点之间的距离，(xi,yi)为当前节点d坐标，(xj,yj)为下一节点j坐标，(xE,yE)为目标点E坐标。3.根据权利要求2所述的一种基于改进蚁群算法的路径规划方法，其特征在于：所述转移概率中启发因子，转移概率公式为：其中，τij表达信息素浓度函数，ηij如上文提到，表达启发函数，α,β,ρ分别表示信息素浓度函数，启发函数和安全信息函数的对整体转移概率的影响程度。4.根据权利要求1所述的一种基于改进蚁群算法的路径规划方法，其特征在于：所述步骤四中，求出当前节点与下一节点的距离，当前节点与再下一节点的距离，下一节点与再下一节点的距离，b2＝(x_now‑x_next1)^2+(y_now‑y_next1)^2；c2＝(x_next2‑x_next1)^2+(y_next2‑y_next1)^2；a2＝(x_now‑x_next2)^2+(y_now‑y_next2)^2；cosa＝(c2+b2‑a2)/(2*sqrt(b2)*sqrt(c2))；angle＝acosd(cosa)；其中，(x_now，y_now)是当前节点位置，(x_next1，y_next1)是下一节点位置，(x_next2，y_next2)是再下一个节点的位置，判断夹角是否在九十度到一百八十度之间，如果是，则进入下一步，否则返回上一步。5.根据权利要求1所述的一种基于改进蚁群算法的路径规划方法，其特征在于：所述步骤五中，自适应更新信息素：τij(t+n)＝(1‑ρ)·τij(t)+Δτij2CN115857505A权利要求书2/2页其中，τij表达信息素浓度函数，ρ分别表示信息素蒸发系数，Q表示信息素增加强度系数，ρ的动态取值代码如下：ifk＝＝mink+10Rho＝0.95*Rho；elseifRho<＝0.2Rho＝0.2；End其中，k为当前迭代次数，mink表示当前最短路径是第几代，Rho表示信息素蒸发系数，即ρ。6.根据权利要求1所述的一种基于改进蚁群算法的路径规划方法，其特征在于：所述步骤六中，判断是否达到结束条件，如是，结束循环，输出最优路径，否则执行步骤三至步骤五。3CN115857505A说明书1/9页一种基于改进蚁群算法的路径规划方法技术领域[0001]本发明属于路径规划技术领域，具体涉及一种基于改进蚁群算法的路径规划方法。背景技术[0002]路径算法是一个热点问题，从汽车的智能导航到工业生产中机械臂末端控制，都有其重要意义，这是个切实需要解决的现实问题。[0003]蚁群算法是一种模拟自然界蚂蚁群从巢穴通过信息素来指引后续蚂蚁到达食物源的仿生算法，该算法的分布式计算在静