[发明专利]融合混沌和精英反向学习的机器人路径规划方法

权利要求书

1.融合混沌和精英反向学习的机器人路径规划方法，其特征在于，包括以下步骤：

步骤1，根据机器人路径规划区域的环境，得到路径规划区域的地图，然后对地图进行栅格化；

步骤2，用户初始化参数，所述初始化参数包括种群大小Popsize，交叉授粉率PCR，反向学习率OBC，缩放因子CF，机器人规划路径中的关键节点数量D，精英数量Num，最大评价次数MAX_FEs；

步骤3，输入机器人路径规划的起始点坐标和终止点坐标；

步骤4，令当前演化代数t＝0，及当前评价次数FEs＝0；

步骤5，初始化Kent混沌映射变量KX为(0,1)区间内的随机实数；

步骤6，随机产生初始种群其中个体下标i＝1,2,...,Popsize，为种群中第i个个体，存储了D个关键节点的横坐标和纵坐标，其中维度下标j＝1,2,...,2×D；

步骤7，计算当前种群P_t中的每个个体的适应值；

步骤8，令当前评价次数FEs＝FEs+Popsize；

步骤9，保存当前种群P_t中的最优个体Best^t；

步骤10，令计数器ki＝1，然后令候选种群PU_t为空集；

步骤11，如果计数器ki大于Popsize，则转到步骤17，否则转到步骤12；

步骤12，执行精英反向学习搜索策略，产生候选个体具体操作如下：

步骤12.1，在[1,Popsize]区间内随机产生两个不相等且都不等于ki的正整数Rx和Ry；

步骤12.2，利用Kent混沌映射，按公式(1)计算反向学习混沌权重W；

步骤12.3，更新Kent混沌映射变量KX＝W；

步骤12.4，令计数器tj＝1；

步骤12.5，如果计数器tj大于2×D，则转到步骤13，否则转到步骤12.6；

步骤12.6，随机产生服从Levy分布的一个实数TL；

步骤12.7，在[0,1]之间随机产生一个实数PCRT；

步骤12.8，如果PCRT小于PCR，则转到步骤12.9，否则转到步骤12.11；

步骤12.9，执行交叉授粉操作，计算

步骤12.10，转到步骤12.18；

步骤12.11，在[0,1]之间随机产生一个实数TOB；

步骤12.12，如果TOB小于OBC，则转到步骤12.13，否则转到步骤12.17；

步骤12.13，在当前种群P_t中选择Num个优秀的个体，组成精英种群其中个体下标ni＝1,2,...,Num；

步骤12.14，在[1,Num]之间随机产生一个正整数NTR；

步骤12.15，使用混沌权重融合精英反向学习与差分学习，按公式(2)计算候选个体的第tj维

Uki,tjt=W×(2×BANTR,tjt-Aki,tjt)+(1-W)×[Aki,tjt+CF×(ARx,tjt-ARy,tjt)]---(2)]]>

步骤12.16，转到步骤12.18；

步骤12.17，执行自花授粉操作，按公式(3)计算候选个体的第tj维

Uki,tjt=Aki,tjt+rand(0,1)×(ARx,tjt-ARy,tjt)---(3)]]>

其中，rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；

步骤12.18，将解码为对应的关键节点坐标Pot，若坐标Pot不在地图范围内或在地图中的位置标记有障碍，则随机产生的值，直到的值对应的关键节点坐标在地图中且未标记障碍；

步骤12.19，令计数器tj＝tj+1，转到步骤12.5；

步骤13，对个体进行局部搜索，具体操作如下：

步骤13.1，将个体进行解码得到D个关键节点的坐标:TP₁,TP₂,...,TP_D；

步骤13.2，令TP₀为机器人路径规划的起始点坐标，并令TP_D+1为机器人路径规划的终止点坐标；

步骤13.3，依次对规划路径上的每个关键节点TP_bi，执行100次寻优操作,其中下标bi＝1,2,...,D；在寻优操作中，令RangeA为整个地图无障碍区域，并令RangeB为由TP_bi-1、TP_bi+1的连线作为直径确定的圆形区域，然后从RangeA和RangeB中随机选择一个记为搜索区域RangeS；每次在搜索区域RangeS内，随机选取一点，坐标记为TPR，如果经过TPR的路径优于经过TP_bi的路径，则令TP_bi＝TPR，且更新个体

步骤14，计算个体的适应值；

步骤15，将个体加入到候选种群PU_t中；

步骤16，计数器ki＝ki+1，转到步骤11；

步骤17，从当前种群P_t与候选种群PU_t中选择出下一代种群P_t+1；

步骤18，令当前评价次数FEs＝FEs+Popsize；

步骤19，令当前演化代数t＝t+1；

步骤20，保存当前种群P_t中的最优个体Best^t；

步骤21，重复步骤10至步骤20，直至当前评价次数FEs大于或等于MAX_FEs后结束；

步骤22，将最优个体Best^t解码为D个关键节点的坐标，即可得到机器人的规划路径。