基于约束性多目标粒子群优化的路径规划方法及相关设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114971078A(43)申请公布日2022.08.30(21)申请号202210752269.X(22)申请日2022.06.28(71)申请人深圳信息职业技术学院地址518000广东省深圳市龙岗区龙城街道龙翔大道2188号(72)发明人王慧蔡铁杨耿曹维梁俊威(74)专利代理机构深圳和睿宏景知识产权代理有限公司44836专利代理师张宏杰(51)Int.Cl.G06Q10/04(2012.01)G06N3/00(2006.01)权利要求书3页说明书13页附图6页(54)发明名称基于约束性多目标粒子群优化的路径规划方法及相关设备(57)摘要本发明公开了一种基于约束性多目标粒子群优化的路径规划方法、装置、设备及介质，包括：将每个路径点作为一个初始粒子，初始化初始粒子的初始速度信息和初始位置信息，通过局部搜索方式决定参与计算的粒子，更新粒子的速度和位置，计算目标函数值，对每个目标函数值进行非支配排序，同时采用archive控制器确定是否将非支配粒子的内存空间存储到存储库REP，将存入存储库REP的粒子，作为有效粒子，在搜索空间对有效粒子进行局部搜索，若当前位置信息由存储中的位置信息支配，则存储中的位置被保留；完成局部搜索后，将存储的位置信息的集合作为帕累托前沿，并基于帕累托前沿确定多目标粒子群的最优路径，采用本发明可提高获取准确路径的准确率。CN114971078ACN114971078A权利要求书1/3页1.一种基于约束性多目标粒子群优化的路径规划方法，其特征在于，所述基于约束性多目标粒子群优化的路径规划方法包括：将每个路径点作为一个初始粒子，得到n个所述初始粒子，并将所述n个初始粒子作为初始化种群POP；针对所述初始化种群POP中的每代初始粒子，初始化所述初始粒子的初始速度信息和初始位置信息，并将所述初始位置信息写入内存空间，所述内存空间存储在存储库REP中；矫正目标空间，得到所述初始化种群POP中的每个所述初始粒子的目标函数值；对每个所述目标函数值进行非支配排序，同时采用archive控制器确定是否将非支配粒子的内存空间存储到所述存储库REP，将存入所述存储库REP的粒子，作为有效粒子；采用基于Kriging的局部搜索方式，在搜索空间对所述有效粒子进行局部搜索，选择参与计算的粒子，并更新所述有效粒子的当前速度信息和当前位置信息；计算更新后粒子的目标函数值，若当前目标函数值由存储中的目标函数值支配，则存储中的位置被保留；否则，采用当前函数值代替存储中的目标函数值；在完成局部搜索后，将所述存储的目标函数值的集合转换为帕累托前沿，并基于所述帕累托前沿确定所述多目标粒子群的最优路径。2.如权利要求1所述的基于约束性多目标粒子群优化的路径规划方法，其特征在于，所述采用基于Kriging的局部搜索方式，在搜索空间对所述有效粒子进行搜索包括：对矫正后的目标空间网格化处理，生成探索当前搜索空间的网格空间，并基于所述网格空间和所述目标函数值，确定定义每个有效粒子的坐标系；针对初始化种群POP中的每代粒子，基于所述网格空间和所述有效粒子的坐标系，确定局部最优粒子和全局最优粒子；基于所述局部最优粒子和所述全局最优粒子，进行最优解搜索。3.如权利要求2所述的基于约束性多目标粒子群优化的路径规划方法，其特征在于，所述基于所述网格空间和所述有效粒子的坐标系，确定局部最优粒子和全局最优粒子，包括：基于所述网格空间和所述有效粒子的坐标系，构建基于Kriging模型的单形交叉算子，所述单形交叉算子的基本操作包括反射、扩张、外压缩、内压缩和形心；确定当前种群的局部最优粒子和全局最优粒子。4.如权利要求2所述的基于约束性多目标粒子群优化的路径规划方法，其特征在于，所述基于所述局部最优粒子和所述全局最优粒子，进行最优解搜索包括：将所述局部最优粒子和所述全局最优粒子作为交叉粒子，并确定参与交叉的父代个体数量；基于所述交叉粒子和所述父代个体数量，确定参与基于Kriging代理模型单形交叉局部搜索的父代粒子的选择；基于选择的父代粒子确定搜索步长和搜索方向，并通过所述搜索方向和所述搜索方向的权重系数，进行最优解搜索。5.如权利要求3所述的基于约束性多目标粒子群优化的路径规划方法，其特征在于，所述基于所述局部最优粒子和所述全局最优粒子，进行最优解搜索，包括：所述反射操作表示为：2CN114971078A权利要求书2/3页所述扩展操作表示为：所述外压缩操作表示为：所述内压缩操作表示为：所述形心操作表示为：其中，Xn,w表示所述有效粒子的最差顶点，表示对有效粒子Xn,w进行反射操作，表示对所述有效粒子Xn,w进行扩张操作，表示对所述有效粒子Xn,w进行外压缩操作，表示对所述有效粒子Xn,w进行扩张内压缩操作，表示由