一种基于鲸鱼优化算法和人工势场法结合的路径规划方法.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CN113848889A(43)申请公布日2021.12.28(21)申请号202111055121.2(22)申请日2021.09.09(71)申请人武汉工程大学地址430074湖北省武汉市洪山区雄楚大街693号(72)发明人喻九阳詹博文戴耀南夏文凤张德安胡天豪程航(74)专利代理机构湖北武汉永嘉专利代理有限公司42102代理人唐万荣(51)Int.Cl.G05D1/02(2020.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于鲸鱼优化算法和人工势场法结合的路径规划方法(57)摘要本发明提供了一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，基于人工势场法的求解效率高及元启发群智能优化算法的收敛速度快等特点，通过在鲸鱼优化算法中引入人工势场法即改进人工势场的鲸鱼优化算法(APF‑WOA)，通过鲸鱼优化算法(WOA)对全局进行路径规划解决了传统算法收敛速度慢的问题，通过改进的人工势场法对局部路径进行规划提高了实时避障能力，并对改进后的算法得到的轨迹进行删除冗余点处理，实现了对移动机器人的路径规划。本发明收敛精度高，所得路径长度短，避免了传统人工势场法的目标不可达问题，提高了移动机器人路径规划的可行性和有效性。CN113848889ACN113848889A权利要求书1/2页1.一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：包括以下步骤：S1：建立地图环境模型，初始化鲸鱼优化算法并设置算法的参数；根据适应度函数获取鲸鱼在所有位置上的适应度值；确定鲸鱼种群初始个体最优位置与全局最优位置；S2：更新鲸鱼优化算法的参数；S3：根据鲸鱼个体位置的更新公式迭代更新每个鲸鱼的个体位置，利用地图模型得到移动机器人从起始点到目标点的可行路径参数，规划每只鲸鱼可行的初始路径；S4：计算鲸鱼在新位置上的适应度值并与原来位置相比较，若新位置优于原位置，则更新种群的个体最优位置和全局最优位置；S5：判断鲸鱼优化算法是否达到最大迭代次数，若是则执行步骤S6，若否则执行步骤S2～S4；S6：通过鲸鱼优化算法得到全局最优位置，选择一条适应度值最小的鲸鱼路径作为移动机器人路径规划的最优路径，得到一系列离散路径点；S7：在局部路径规划中，采用改进后的人工势场法对离散路径点进行优化求解，得到局部最优解，路径规划结束。2.根据权利要求1所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S1中，具体步骤为：S11：设种群规模为N，则第i只鲸鱼在d维空间中的位置为：确定鲸鱼初始个体最优位置和全局最优位置的方法为：S12：将第一次迭代时每只鲸鱼的位置设为初始个体最优位置，计算并比较每只鲸鱼个体的适应度值，取适应度值最小的鲸鱼个体位置为全局最优位置。3.根据权利要求2所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S2中，具体步骤为：设当前迭代次数为t，最大迭代次数为tmax，构造收敛因子a为：设r为[0，1]上的随机向量，收敛因子a在迭代过程中从2线性减小到0，则通过收敛因子a计算系数向量A为：A＝2a*r‑a。4.根据权利要求3所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S3中，根据鲸鱼的捕食行为，鲸鱼优化算法对鲸鱼个体位置的更新方式包括收缩包围、螺旋捕食和随机搜索。5.根据权利要求4所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S3中，具体步骤为：S31：设ρ为[0，1]内的随机数，若ρ≥0.5时，算法采用螺旋捕食方式更新鲸鱼个体位置，设第i只鲸鱼与目标间的距离为D＝|X*(t)‑X(t)|，对数函数生成的螺旋线的形状参数为b2CN113848889A权利要求书2/2页和l，b为对数螺旋形状的常数，l是[‑1，1]内的随机数；则鲸鱼个体位置的更新公式为：X(t+1)＝X*(t)+D*ebl*cos(2πl)；S32：若ρ＜0.5且|A|＜1时，算法采用收缩包围方式更新鲸鱼个体位置，设迭代过程中当前最优个体为X*(t)，设系数向量C为：C＝2r；则鲸鱼个体位置更新公式为：X(t+1)＝X*(t)+A*|C*X*(t)‑X(t)|；S33：若ρ＜0.5且|A|≥1时，算法采用随机搜索方式更新鲸鱼个体位置，设从当前群体中随机选择的个体位置矢量为Xrand(t)，则鲸鱼个体位置更新公式为：X(t+1)＝Xrand(t)‑A*|C*Xrand(t)‑X(t)|。6.根据权利要求1所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S7中，具体步骤为：将鲸鱼优化算法所得的离散路径点两两一组分别作为人工势场法的起点和