基于加權(quán)平均距離視覺魚群算法的移動機器人路徑規(guī)劃方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及路徑規(guī)劃方法技術(shù)領(lǐng)域，具體為一種基于加權(quán)平均距離視覺魚群算法 的移動機器人路徑規(guī)劃方法。
【背景技術(shù)】
[0002] 移動機器人路徑規(guī)劃是現(xiàn)在研究的熱點問題之一。移動機器人路徑規(guī)劃是在有障 礙物的環(huán)境中按照一定的搜索規(guī)律從起始位置到終止位置的無碰撞最優(yōu)路徑。
[0003] 機器人路徑規(guī)劃可以分成2種：一種是諸如人工勢場法、Voronoi圖法和可視圖法 等。人工勢場方法擁有簡單的結(jié)構(gòu)，但存在容易陷入局部最優(yōu)解的問題；可視圖法能夠獲 得最短路徑但其搜索效率較低；Voronoi圖法安全性較高但起始節(jié)點到目標(biāo)節(jié)點的路徑較 長。一種是隨著技術(shù)的發(fā)展，環(huán)境模型復(fù)雜性和任務(wù)難度的增加，一些仿生算法也隨之出 現(xiàn)，如蟻群算法、遺傳算法、蜂群算法、蛙跳算法、粒子群算法等。蟻群算法是目前在機器人 路徑規(guī)劃方面應(yīng)用比較完善的算法，具有較強的魯棒性、優(yōu)良的分布式計算，但其搜索時間 較長易于出現(xiàn)早熟停滯現(xiàn)象。遺傳算法把遺傳算子應(yīng)用到機器人的研究中，對機器人的路 徑規(guī)劃具有良好的效果，但其占據(jù)較大的存儲空間且局部尋優(yōu)能力較差。蜂群算法搜索速 度快、易于實現(xiàn)，但存容易陷入局部最優(yōu)、搜索效率低等不足。蛙跳算法的缺點在于易收斂 于局部最優(yōu)解、求解精度較低。粒子群算法的優(yōu)勢在于簡單且容易實現(xiàn)，但其本身存在易過 早收斂而陷入局部最優(yōu)的缺點。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所解決的技術(shù)問題在于提供一種基于加權(quán)平均距離視覺魚群算法的移動 機器人路徑規(guī)劃方法，以解決上述【背景技術(shù)】中的問題。
[0005] 本發(fā)明所解決的技術(shù)問題采用以下技術(shù)方案來實現(xiàn)：基于加權(quán)平均距離視覺魚群 算法的移動機器人路徑規(guī)劃方法，包括以下步驟：
[0006] Stepl :獲取人工魚的群體規(guī)模fishnum、最大迭代次數(shù)NC、視野范圍visual、最大 移動步長step、擁擠度因子δ、嘗試次數(shù)Try_nUmber等，可行性路徑數(shù)目N，路徑結(jié)點數(shù)η。
[0007] Step2:將機器人行走的環(huán)境根據(jù)柵格法進行環(huán)境建模，并隨機生成Ν條可行性路 徑。
[0008] Step3:將fishnum條人工魚放到起點位置S處，且S為每條可行性路徑的起始位 置。
[0009] Step4:計算每條人工魚的食物濃度，把最小值放入公告板中。
[0010] Step5:執(zhí)行人工魚的追尾行為、聚群行為，并采用行為選擇策略選擇優(yōu)的前進方 向，缺省行為是覓食行為。
[0011]Step6:計算每條人工魚的食物濃度，其最小值與公告板中的值進行比較，更新公 告板使得公告板中的值最小。
[0012] Step7 :判斷是否滿足終止條件，如果滿足跳轉(zhuǎn)Step8,否則跳轉(zhuǎn)Step5.
[0013] Step8 :程序結(jié)束，公告板中的值就是最優(yōu)值，對應(yīng)的路徑則是最優(yōu)路徑。
[0014] 與已公開技術(shù)相比，本發(fā)明存在以下優(yōu)點：本發(fā)明針對基本人工魚群算法由于視 野固定不變，而導(dǎo)致算法收斂速度變慢、運算量增大的問題，提出了一種加權(quán)平均距離視覺 魚群算法（WAD-AFSA)，并將該算法應(yīng)用于移動機器人的路徑規(guī)劃。通過采用柵格法進行環(huán) 境建模，利用提出的WAD-AFSA和行為選擇策略進行路徑優(yōu)化，避免路徑陷入局部最優(yōu)。相 應(yīng)的仿真實驗表明，本發(fā)明中的WAD-AFSA在移動機器人路徑規(guī)劃中比傳統(tǒng)的人工魚群算 法優(yōu)化效果更優(yōu)。
【具體實施方式】
[0015] 為了使本發(fā)明的技術(shù)手段、創(chuàng)作特征、工作流程、使用方法達成目的與功效易于明 白了解，下面將結(jié)合本發(fā)明實施例，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述， 顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的 實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都 屬于本發(fā)明保護的范圍。
[0016] 基于加權(quán)平均距離視覺魚群算法的移動機器人路徑規(guī)劃方法，包括以下步驟：
[0017] Stepl:獲取人工魚的群體規(guī)模fishnum、最大迭代次數(shù)NC、視野范圍visual、最大 移動步長step、擁擠度因子δ、嘗試次數(shù)Try_nUmber等，可行性路徑數(shù)目N，路徑結(jié)點數(shù)η。
[0018] Step2 :將機器人行走的環(huán)境根據(jù)柵格法進行環(huán)境建模，并隨機生成Ν條可行性路 徑。
[0019] Step3 :將fishnum條人工魚放到起點位置S處，且S為每條可行性路徑的起始位 置。
[0020] Step4 :計算每條人工魚的食物濃度，把最小值放入公告板中。
[0021] Step5:執(zhí)行人工魚的追尾行為、聚群行為，并采用行為選擇策略選擇優(yōu)的前進方 向，缺省行為是覓食行為。
[0022] Step6 :計算每條人工魚的食物濃度，其最小值與公告板中的值進行比較，更新公 告板使得公告板中的值最小。
[0023] Step7 :判斷是否滿足終止條件，如果滿足跳轉(zhuǎn)Step8,否則跳轉(zhuǎn)Step5.
[0024] Step8 :程序結(jié)束，公告板中的值就是最優(yōu)值，對應(yīng)的路徑則是最優(yōu)路徑。
[0025] 人工魚的總數(shù)為fishnum，人工魚的最大移動步長為Step，視野范圍為visual，嘗 試次數(shù)為Try_number，擁擠度因子為δ。
[0026] 人工魚的當(dāng)前位置為M(Xi, ，食物濃度為Y=f(M)，其中Υ為Μ與目標(biāo)位置的歐 氏距離，
[0027] 如式⑴所示：
[0028]
(1)式中，（XiJi)，（xe，ye)為Μ和目標(biāo)點的坐標(biāo)。
[0029] 視野是通過加權(quán)平均距離得到為d，由于采用的是柵格法建立模型，因此視野范圍 為以人工魚所在位置為中心的d*d的矩形范圍。
[0030] 任意柵格間的距離指兩柵格的連線長度，記為r(Pl，P])或r(M(Xl，yi)，M(X]，y,))， 如式⑵所示：
[0032] 人工魚群算法中人工魚移動的步長是隨機的，而柵格環(huán)境中存在障礙物，因此人 工魚只能向相鄰的柵格移動，且只能移動到白色的柵格，故將相鄰柵格的距離作為人工魚 移動的步長。當(dāng)人工魚在進行聚群或追尾行為時，也只能移動到與目標(biāo)點最近的白色柵格。
[0033] 任意柵格的邊長為1，則任意柵格？1的可行性鄰域柵格記為
[0034] 人工魚從Η中隨機選擇一個柵格記作rand(HPl)。
[0035] 隨機生成N個可行性解（KdI，…KN)作為初始路徑，每條路徑&中的每個元素可 表示為1 =(k&kl2，…kin)，其中&中的每個元素對應(yīng)環(huán)境模型中的柵格序列號。
[0036] 以上顯示和描述了本發(fā)明的基本原理、主要特征及本發(fā)明的優(yōu)點。本行業(yè)的技術(shù) 人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變 化和改進都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明的要求保護范圍由所附的權(quán)利要求書及 其等效物界定。
【主權(quán)項】
1. 一種基于加權(quán)平均距離視覺魚群算法的移動機器人路徑規(guī)劃方法，其特征在于：包 括以下步驟： Stepl :獲取人工魚的群體規(guī)模fishnum、最大迭代次數(shù)NC、視野范圍visual、最大移動 步長step、擁擠度因子S、嘗試次數(shù)Try_nUmber，可行性路徑數(shù)目N，路徑結(jié)點數(shù)n ; Step2 :將機器人行走的環(huán)境根據(jù)柵格法進行環(huán)境建模，并隨機生成N條可行性路徑； Step3 :將fishnum條人工魚放到起點位置S處，且S為每條可行性路徑的起始位置； Step4 :計算每條人工魚的食物濃度，把最小值放入公告板中； Step5 :執(zhí)行人工魚的追尾行為、聚群行為，并采用行為選擇策略選擇優(yōu)的前進方向，缺 省行為是覓食行為； Step6 :計算每條人工魚的食物濃度，其最小值與公告板中的值進行比較，更新公告板 使得公告板中的值最?。? Step7 :判斷是否滿足終止條件，如果滿足跳轉(zhuǎn)Step8,否則跳轉(zhuǎn)Step5 ; StepS :程序結(jié)束，公告板中的值就是最優(yōu)值，對應(yīng)的路徑則是最優(yōu)路徑。
【專利摘要】本發(fā)明提供一種基于加權(quán)平均距離視覺魚群算法的移動機器人路徑規(guī)劃方法，包括以下步驟：獲取人工魚的群體規(guī)模fishnum、最大迭代次數(shù)NC、視野范圍visual、最大移動步長step、擁擠度因子δ、嘗試次數(shù)Try_number，可行性路徑數(shù)目N，路徑結(jié)點數(shù)n；將機器人行走的環(huán)境根據(jù)柵格法進行環(huán)境建模，并隨機生成N條可行性路徑。本發(fā)明針對基本人工魚群算法由于視野固定不變，而導(dǎo)致算法收斂速度變慢、運算量增大的問題，提出了一種WAD-AFSA，并將該算法應(yīng)用于移動機器人的路徑規(guī)劃。通過采用柵格法進行環(huán)境建模，利用提出的WAD-AFSA和行為選擇策略進行路徑優(yōu)化，避免路徑陷入局部最優(yōu)。相應(yīng)的仿真實驗表明，本文的WAD-AFSA在移動機器人路徑規(guī)劃中比傳統(tǒng)的人工魚群算法優(yōu)化效果更優(yōu)。
【IPC分類】G05D1/02
【公開號】CN105242669
【申請?zhí)枴緾N201510692523
【發(fā)明人】黃宜慶, 袁夢茹, 李小鳳, 彭凱, 邵受琛
【申請人】安徽工程大學(xué)
【公開日】2016年1月13日
【申請日】2015年10月20日