[发明专利]基于遗传蚁群算法的路径规划方法及系统

说明书

技术领域

本发明涉及机器人智能算法技术领域，具体涉及一种基于遗传蚁群算法的 路径规划方法。

背景技术

移动机器人是智能控制技术中的一个重要领域，除用于宇宙探测、海洋开 发和原子能等领域外，在工厂自动化、建筑、采矿、排险、军事、服务、农业 等方面也有广泛的应用前景。路径规划的方法有很多，比如最速下降法，人工 势场法，模糊推理法等，使用最速下降法收敛慢，效率不高，有时达不到最优 解；使用人工势场法便于底层的实时控制，但缺乏全局信息，存在局部最优值 问题；使用模糊推理法最大的优点是实时性非常好，但是模糊隶属函数的设计、 模糊控制规则的制定主要靠人的经验。

遗传算法证明是一种全局搜索能力强的算法，具有很强的鲁棒性，并行性。 从宏观的角度看，遗传算法具有一定的方向性，因此它不同于一般的随机算法， 它所使用的随机选择只是在有方向的搜索过程中的一种工具，正是由于它的方 向性，使得它比一般的随机算法效率更高。

蚁群算法是人们受到真实世界蚂蚁寻实行为的影响而提出的一种新型的基 于种群寻优的启发式算法，它是一种自组织的，并行的，正反馈的仿生学算法， 具有较强的鲁棒性，能在实际路径搜索中对外界影响作出动态响应，使得它在 路径规划中得到了广泛的应用。

发明内容

本发明的目的是提供一种路径规划方法及系统，以解决蚁群算法初期阶段 出现盲目性的技术问题。

为了解决上述技术问题，本发明提供了一种路径规划方法，包括如下步骤：

步骤S1，将遗传算法得到的一部分优化解转化为蚁群算法的信息素初始值；

步骤S2，通过蚁群算法再进行路径寻优，寻优结束后对符合条件的路径进 行交叉操作，最终得到最优路径。

进一步,所述步骤S1中将遗传算法得到的一部分优化解转化为蚁群算法的 信息素初始值的方法包括：

步骤S11，对环境进行建模；

步骤S12，初始化遗传参数，以产生初始种群；

步骤S13，设置适应度函数，计算每个种群的适应度；

步骤S14，将适应度较高的前50％组解转换为蚁群算法的信息素初始值

进一步,所述步骤S2中通过蚁群算法再进行路径寻优，寻优结束后对符合 条件的路径进行交叉操作，最终得到最优路径的方法包括如下步骤：

步骤S21，设置蚁群规模m₂，最大迭代次数N_c以及迭代次数初值u为0，并 按下式初始化剩余信息素：

式中：d_ij表示节点i和节点j之间的距离；

步骤S22，每只蚂蚁按照状态转移公式选择下一节点，直到到达目标点则输

出路径，若比当前迭代最优路径短，则对其更新，状态转移公式如下：