基于哈里斯鹰优化算法的电动汽车路径规划方法.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CN112577507A(43)申请公布日2021.03.30(21)申请号202011215605.4(22)申请日2020.11.04(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人姜显扬占家豪韦博徐欣(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240代理人朱亚冠(51)Int.Cl.G01C21/34(2006.01)G06N3/00(2006.01)G06Q10/04(2012.01)G06Q50/30(2012.01)权利要求书2页说明书4页附图1页(54)发明名称基于哈里斯鹰优化算法的电动汽车路径规划方法(57)摘要本发明公开了基于哈里斯鹰优化算法的电动汽车路径规划方法。传统方法需要调节的参数较多。本发明方法具体步骤是：搜索空间每一维的上界和下界，初始化每一个哈里斯鹰个体；选择适应度最小的哈里斯鹰个体为当前猎物位置；根据猎物逃逸能量执行搜索阶段和开发阶段，进行位置更新；如果位置更新后个体适应度小于猎物适应度，则以适应度值最小的个体位置作为新的猎物位置，否则当前猎物位置不变；达到设定最大迭代次数后，输出当前猎物位置作为目标的估计位置，当前猎物路径作为电动汽车路径规划的最短路径。本发明方法具有全局搜索能力强的优点，需要调节的参数较少。CN112577507ACN112577507A权利要求书1/2页1.基于哈里斯鹰优化算法的电动汽车路径规划方法，其特征在于，该方法具体步骤是：S1.搜索空间每一维的上界和下界，初始化每一个哈里斯鹰个体；S2.选择适应度s(hi)最小的哈里斯鹰个体为当前猎物位置；S3.根据猎物逃逸能量执行搜索阶段和开发阶段，进行位置更新；具体是：猎物逃逸能量其中，E0为猎物的初始能量，为[‑1,1]之间的随机数，t为迭代次数；如|E|≥1，进入搜索阶段，如|E|＜1，进入开发阶段；搜索阶段找到猎物策略为：其中，q为[0,1]之间的搜索随机数，h(t)和h(t+1)分别为当前和下一次迭代时哈里斯鹰个体的位置向量，hrand(t)为随机选出的个体位置向量，hrabbit(t)为猎物位置向量，r1、r2、r3、r4都是[0,1]之间的随机数，hm(t)为哈里斯鹰个体平均位置向量，hi(t)为第i个哈里斯鹰个体的位置向量；在开发阶段，定义r为[0,1]之间的随机数，用于选择不同的开发策略；找到猎物策略为：a.0.5≤|E|≤1且r≥0.5时，采取软围攻策略进行位置更新；b.|E|＜0.5且r≥0.5时，采取硬围攻策略进行位置更新；c.0.5≤|E|≤1且r＜0.5时，采取渐进式快速俯冲的软包围策略进行位置更新；d.|E|＜0.5且r＜0.5时，采取渐进式快速俯冲的硬包围策略进行位置更新；S4.计算位置更新后的哈里斯鹰个体适应度，并与猎物适应度值进行比较：如果位置更新后的哈里斯鹰个体适应度小于猎物适应度，则以适应度值最小的哈里斯鹰个体位置作为新的猎物位置；如果位置更新后的哈里斯鹰个体适应度大于等于猎物适应度，则当前猎物位置不变；S5.如迭代次数t＜T，执行S3～S4；如迭代次数达到设定最大迭代次数T，输出当前猎物位置作为目标的估计位置，当前猎物路径作为电动汽车路径规划的最短路径。2.如权利要求1所述的基于哈里斯鹰优化算法的电动汽车路径规划方法，其特征在于，步骤S1具体是：首先构建一个r行c列的栅格地图；然后对种群进行初始化，设定最大迭代次数T、搜索空间维度n，为每一只哈里斯鹰进行相应初始化：f(hi)＝r×(ub‑lb)+lb，ub为搜索空间每一维的上界，lb为搜索空间每一维的下界，hi表示第i个哈里斯鹰个体，i＝1,2,…,M，M为哈里斯鹰个体数量。3.如权利要求2所述的基于哈里斯鹰优化算法的电动汽车路径规划方法，其特征在于，步骤S2具体是：当二维栅格地图中存在障碍物或哈里斯鹰个体经过的路径两点的连线存在障碍物，其适应度为r×c；当不存在障碍物或者哈里斯鹰个体经过的两点不存在障碍物时，哈里斯鹰所在位置上的适应度(xi,n,yi,n)表示第n维哈里斯2CN112577507A权利要求书2/2页鹰个体在栅格地图上的坐标,(xi,n+1,yi,n+1)表示第n+1维哈里斯鹰个体在栅格地图上的坐标；将适应度最小的个体设置为当前猎物位置。4.如权利要求3所述的基于哈里斯鹰优化算法的电动汽车路径规划方法，其特征在于，步骤S3中开发阶段找到猎物策略具体为：软围攻策略表示为：h(t+1)＝Δh(t)‑E|Jhrabbit(t)‑h(t)|；其中J为[0,2]之间的随机数，Δh(t)表示猎物位置与个体当前位置的差值，Δh(t)＝hrabbit(t)‑h(t)；硬围攻策略表示为：h(t+1)＝hra