[发明专利]一种基于蚁群遗传融合算法的移动机器人路径规划方法

权利要求书

1.一种基于蚁群遗传融合算法的移动机器人路径规划方法，其特征在于，包括以下步骤：

S1、对蚁群算法进行改进：

在蚁群算法中，路径上的信息素的值会随着时间的流逝而减小，用R_ij来进行表示，通过一个递减的指数函数来表示；

Rij=11+1λsIn(1+λtij)---(2)]]>

式(2)中t_ij是蚂蚁从节点i到节点j所花费的时间，是一个常数，R_ij的值越大，代表着从蚂蚁从i到节点j的路径越好；

τij(t)=τij(t-1)+Σk=1mΔτijk(t)∀(i,j)∈L,k∈BestAnt---(3)]]>

Δτijk=Q(Rij+(SijkSmax×1Tijk))if(i,j)∈Lk,k∈BestAnt0otherwise---(4);]]>

在每次迭代过程中，只有在指定时间内，最优的蚂蚁才会更新此路径上信息素的值；在式(4)中是最优的蚂蚁经过该路径后此路径上信息素的改变量；L_k第k只蚂蚁走过的路径，是第k值蚂蚁从i节点到k节点花费的时间，是第k值蚂蚁从i节点到k节点学习到的信息；

S2、设置遗传算法的最小迭代次数为G_min，最大迭代次数为G_max，最小进化率为G_ratio，当给定迭代次数范围内连续G_end代的进化率低于G_ratio，则终止遗传算法搜索，用遗传算法得到的信息来初始蚁群算法中信息素的初始值，转入蚁群算法求解；算法的步骤如下；

步骤1：初始化交叉概率pc，变异概率pm，以及最大进化代数G_max，最小进化代数G_min，最小进化率G_ratio，进化结束代数G_end；

步骤2：设置种群规模为S得初始群体G，使G_min<G<G_max，根据实际问题进行编码，确定适应度函数，计算种群中个体的适应度值；

步骤3：对种群个体进行解码，执行选择、交叉、变异操作；

步骤4：比较新个体与原父代种群中的个体，根据结果进行个体的优劣替换，选择优良个体作为下一代新的子个体；

步骤5：若G_min<G<G_max且G_end的进化率>G_ratio，则转向(3)，否则转向(6)；

步骤6：用遗传算法生成的较优解初始化蚁群算法信息素的初始值；

步骤7：设置蚁群算法最大循环次数为N_max，蚂蚁个数为m，循环次数k为0；

步骤8：每只蚂蚁根据状态移动规则公式(1)选择下一个节点；

步骤9：当蚂蚁k到达终点End时，按公式(2，3，4)对其经过路段上的信息浓度进行更新；

步骤10：重复步骤(8)，(9)直至所有蚂蚁都到达终点End；

步骤11：更新本次迭代最差路径长度及其所包含路段信息，全局最优路径长度及其包含路段信息；

步骤12：把m只蚂蚁的位置重置为起点Start，置空禁忌表；

步骤13：若循环次数k>N_max则程序结束，否则转到步骤(8)。