[发明专利]基于加权平均距离视觉鱼群算法的移动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方法技术领域，具体为一种基于加权平均距离视觉鱼群算法的移动机器人路径规划方法。

背景技术

移动机器人路径规划是现在研究的热点问题之一。移动机器人路径规划是在有障碍物的环境中按照一定的搜索规律从起始位置到终止位置的无碰撞最优路径。

机器人路径规划可以分成2种：一种是诸如人工势场法、Voronoi图法和可视图法等。人工势场方法拥有简单的结构，但存在容易陷入局部最优解的问题；可视图法能够获得最短路径但其搜索效率较低；Voronoi图法安全性较高但起始节点到目标节点的路径较长。一种是随着技术的发展，环境模型复杂性和任务难度的增加，一些仿生算法也随之出现，如蚁群算法、遗传算法、蜂群算法、蛙跳算法、粒子群算法等。蚁群算法是目前在机器人路径规划方面应用比较完善的算法，具有较强的鲁棒性、优良的分布式计算，但其搜索时间较长易于出现早熟停滞现象。遗传算法把遗传算子应用到机器人的研究中，对机器人的路径规划具有良好的效果，但其占据较大的存储空间且局部寻优能力较差。蜂群算法搜索速度快、易于实现，但存容易陷入局部最优、搜索效率低等不足。蛙跳算法的缺点在于易收敛于局部最优解、求解精度较低。粒子群算法的优势在于简单且容易实现，但其本身存在易过早收敛而陷入局部最优的缺点。

发明内容

本发明所解决的技术问题在于提供一种基于加权平均距离视觉鱼群算法的移动机器人路径规划方法，以解决上述背景技术中的问题。

本发明所解决的技术问题采用以下技术方案来实现：基于加权平均距离视觉鱼群算法的移动机器人路径规划方法，包括以下步骤：

Step1：获取人工鱼的群体规模fishnum、最大迭代次数NC、视野范围visual、最大移动步长step、拥挤度因子δ、尝试次数Try_number等，可行性路径数目N，路径结点数n。

Step2：将机器人行走的环境根据栅格法进行环境建模，并随机生成N条可行性路径。

Step3：将fishnum条人工鱼放到起点位置S处，且S为每条可行性路径的起始位置。

Step4：计算每条人工鱼的食物浓度，把最小值放入公告板中。

Step5：执行人工鱼的追尾行为、聚群行为，并采用行为选择策略选择优的前进方向，缺省行为是觅食行为。

Step6：计算每条人工鱼的食物浓度，其最小值与公告板中的值进行比较，更新公告板使得公告板中的值最小。

Step7：判断是否满足终止条件，如果满足跳转Step8，否则跳转Step5.

Step8：程序结束，公告板中的值就是最优值，对应的路径则是最优路径。

与已公开技术相比，本发明存在以下优点：本发明针对基本人工鱼群算法由于视野固定不变，而导致算法收敛速度变慢、运算量增大的问题，提出了一种加权平均距离视觉鱼群算法(WAD-AFSA)，并将该算法应用于移动机器人的路径规划。通过采用栅格法进行环境建模，利用提出的WAD-AFSA和行为选择策略进行路径优化，避免路径陷入局部最优。相应的仿真实验表明，本发明中的WAD-AFSA在移动机器人路径规划中比传统的人工鱼群算法优化效果更优。

具体实施方式

为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

基于加权平均距离视觉鱼群算法的移动机器人路径规划方法，包括以下步骤：

Step1：获取人工鱼的群体规模fishnum、最大迭代次数NC、视野范围visual、最大移动步长step、拥挤度因子δ、尝试次数Try_number等，可行性路径数目N，路径结点数n。

Step2：将机器人行走的环境根据栅格法进行环境建模，并随机生成N条可行性路径。

Step3：将fishnum条人工鱼放到起点位置S处，且S为每条可行性路径的起始位置。

Step4：计算每条人工鱼的食物浓度，把最小值放入公告板中。

Step5：执行人工鱼的追尾行为、聚群行为，并采用行为选择策略选择优的前进方向，缺省行为是觅食行为。

Step6：计算每条人工鱼的食物浓度，其最小值与公告板中的值进行比较，更新公告板使得公告板中的值最小。