[发明专利]基于多目标人工蜂群算法的多机器人路径规划方法

说明书

技术领域

本发明涉及路径规划技术领域，具体涉及一种基于多目标人工蜂群算法的多机器人路径规划方法。

背景技术

自机器人诞生以来，人类社会的生活、生产方式发生了巨大变化。随着对机器人需求的发展，人们认识到完成一件复杂的任务时，相比于设计单个功能复杂的机器人，设计多个功能简单的机器人在成本、效率、鲁棒性上有很多优势。多机器人系统相比于单机器人具有效率更高、成本更低、灵活性高、鲁棒性强等优点。在多机器人系统中，移动多机器人系统是一个研究的重要方向。设计移动多机器人系统，自主导航是研究的关键问题之一。路径规划作为自主导航技术的核心，是实现多机器人自主导航技术的关键，也是多机器人系统研究的一个热点问题。路径规划不仅要考虑路径最短这一指标，还要考虑路径的安全性、平滑性等性能指标。传统的路径规划方法只考虑单个的性能指标或者通过加权法将多个性能指标转化为单个性能指标，然后用单目标函数优化方法求解多目标优化问题。然而实际的路径规划问题其路径长度、路径安全性和平滑性等指标一般都是相互冲突的，难以达到同时最优化。通过传统的路径规划方法一次只能求得一条路径，不能满足复杂环境中机器人的路径规划需求。多目标优化方法可以良好的解决存在冲突情况下的优化问题，每次优化可以根据需要得到一个解集，包含所优化问题的多个可行解，便于机器人进行选择。多目标人工蜂群算法是一种智能优化算法，算法收敛速度快、不易陷入局部最优值，是一种求解多目标优化问题的有效算法。

发明内容

针对现有技术存在的缺陷，本发明的目的在于对标准人工蜂群算法进行多目标优化改进，提供一种基于多目标人工蜂群算法的多机器人路径规划方法。

本发明提供一种基于多目标人工蜂群算法的多机器人路径规划方法，其特征在于，包含以下优化步骤：

步骤一：环境建模

一，路径规划问题的环境建模

路径规划的环境设置为二维平面，建立环境地图的全局坐标系O-XY；Start为机器人的出发点，Target为机器人的目标点；机器人的路径在环境地图中可以表示为起点、目标点和中间经过的n个路径点组成的集合：Path＝{Start,Step₁,Step₂,…,Step_n,Target}；其中，集合P＝{Step₁,Step₂,…,Step_n}即为路径规划的优化目标，Step为机器人的路径点，每个Step路径点含有机器人运动的横纵坐标

为简化环境地图、优化机器人路径点的表示方法，将机器人的步长值设置为定值StepLen，其运动路径通过机器人起点坐标(Start^x,Start^y)和机器人每一个当前位置相对于上一个位置的夹角θ_i来确定，具体如下式：

其中，k表示机器人行走的第k步，为路径点的x坐标值，为路径点的y坐标值；Start^x为起点的x坐标值，Start^y为起点的y坐标值；StepLen为机器人的步长值，θ_i为机器人路径点对应的夹角；

路径规划目标由集合P转化为集合θ＝{θ₁,θ₂,…,θ_n,θ_n+1}；其中，θ₁为路径点Start和路径点Step₁之间对应的夹角；θ_n+1为路径点Step_n和Target之间对应的夹角；夹角θ_i的初始化是通过随机数生成的，生成方式为如下式：

θ_i＝rand(0,1)×(max_i-min_i)+min_i

其中，rand(0,1)表示0到1之间的随机数，max_i为夹角θ_i可以取得的最大值，min_i为夹角θ_i可以取得的最小值；

二，路径规划问题的三个目标函数

路径规划中，性能指标有很多；本发明考虑最重要的三个目标函数：路径长度函数、路径安全性函数和路径平滑性函数；其定义分别是如下：

路径长度函数f₁(θ)：