一种基于全局海鸥算法的移动机器人路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113885536A(43)申请公布日2022.01.04(21)申请号202111460726.X(22)申请日2021.12.03(71)申请人中国人民解放军陆军装甲兵学院地址100072北京市丰台区杜家坎21号院(72)发明人陈克伟胡雪松唐伟廖自力尚颖辉金东阳范旭姜北樵杨坤(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223代理人梁静(51)Int.Cl.G05D1/02(2020.01)G06N3/00(2006.01)G06T17/05(2011.01)G06T19/00(2011.01)权利要求书3页说明书6页附图5页(54)发明名称一种基于全局海鸥算法的移动机器人路径规划方法(57)摘要本发明提供一种基于全局海鸥算法的移动机器人路径规划方法，包括以下步骤：获取机器人移动区域地图；根据移动区域地图，建立移动区域地图路径规划的目标函数；基于海鸥算法，通过高斯映射初始化海鸥种群位置；并根据目标函数，计算最优适应度值和最优海鸥位置；通过历史全局最优位置，和本次迭代最优海鸥位置来进行海鸥位置更新；对最优海鸥位置进行透镜反向学习，获取学习后的最优适应度值和最优海鸥位置；并将学习前后适应度值最优的海鸥位置，作为更新后的最优海鸥位置；根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果。该方法克服了现有海鸥算法存在的不足，能够显著提升路径规划的效果。CN113885536ACN113885536A权利要求书1/3页1.一种基于全局海鸥算法的移动机器人路径规划方法，其特征在于，包括以下步骤：获取机器人移动区域地图；根据移动区域地图，建立移动区域地图路径规划的目标函数；基于海鸥算法，通过高斯映射初始化海鸥种群位置；并根据目标函数，计算最优适应度值和最优海鸥位置；通过历史全局最优位置，和本次迭代最优海鸥位置来进行海鸥位置更新，并确定更新后的最优适应度值和最优海鸥位置；对最优海鸥位置进行透镜反向学习，获取学习后的最优适应度值和最优海鸥位置；并将学习前后适应度值最优的海鸥位置，作为更新后的最优海鸥位置；根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果。2.根据权利要求1所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述获取机器人移动区域地图，包括以下步骤：对移动机器人的环境进行建模，得到移动区域地图并对地图进行格栅化处理。3.根据权利要求1所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述目标函数为移动路径最短、耗时最短或消耗能量最少，并根据目标函数确定相应的约束条件以及路径的关键节点数。4.根据权利要求1所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述高斯映射初始化海鸥种群位置，具体包括：确定海鸥种群大小以及寻优的上下边界；通过高斯映射随机数xt产生：利用产生的高斯随机数xt初始化海鸥位置Ps(t)为：式中：LB为海鸥寻优下边界；UB为海鸥寻优上边界。5.根据权利要求1所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述通过历史全局最优位置，和本次迭代最优海鸥位置来进行海鸥位置更新，包括以下步骤：通过海鸥迁徙行为和海鸥全局攻击行为进行海鸥位置更新。6.根据权利要求5所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述海鸥迁徙行为包括：采用附加变量A计算海鸥的新位置，来避免与其他海鸥碰撞：式中：Cs(t)为不与其他海鸥存在位置冲突的新位置；Ps(t)为海鸥当前位置；t为当前迭代次数；A为海鸥在给定搜索空间中的运动行为；fs为控制系数，取值从2降到0；向最佳位置所在的方向移动：2CN113885536A权利要求书2/3页式中：Ms(t)为最佳位置所在的方向；Pgs(t)为最佳位置；B为负责平衡全局和局部搜索的随机数；rd为[0,1]范围内的随机数；到达新的位置：式中：Ds(t)是海鸥的向新位置移动的距离。7.根据权利要求5所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述海鸥全局攻击行为包括：通过螺旋运动不断改变攻击角度和速度，螺旋运动行为表示为：式中：r为每个螺旋的半径，θ为[0，2π]范围内的随机角度值；u和v为螺旋形状的相关常数；e为自然对数的底数；综合考虑历史全局最优位置，和本次迭代最优海鸥位置来更新位置：式中：r1和r2为随机学习权重，总和为1；Pgs(t)为历史最佳位置；Pbs(t)为本次迭代最佳位置；计算适应度值：记录当次迭代中最优海鸥。8.根据权利要求1所述的基于全局海鸥算法的移动机器人路径规划方法，其特征在于，所述对最优海鸥位置进行透镜反向学习：式中：n为缩放因子。9.根据权利要求1所述的基于全局海鸥算法的移动机器人路