[发明专利]一种基于自由空间与人工蜂群算法的路径规划方法

权利要求书

1.一种基于自由空间与人工蜂群算法的路径规划方法，其特征在于利用凹多边形凸分解的图形学方法对自由空间法进行了改进，设计了一种新的构建自由空间的方法；并应用人工蜂群算法对进行路径优化找出全局最优路径；

其中，将带有障碍物的地图看作多连通多边形，通过障碍物顶点与地图边界顶尖之间间接或直接的连接构建单连通多边形，最后利用凹多边形凸分解的方法将地图分割为若干个凸多边形，从而构建自由空间；

其中，利用凹多边形凸分解的图形学方法对自由空间法进行了改进包括：

1)将地图构建为单连通多边形；

2)单连通凹多边形凸分解，包括：

步骤一：首先判断多边形的正负，若多边形为正则进入下一步骤，否则将多边形顶点序列反向排序；

步骤二：从第一个顶点开始搜多边形顶点中的凹点，若没有凹点则多边形为凸多边形；若有凹点则进入下一步骤；

步骤三：选择其中一个凹点，并搜索该凹点的可见点；

步骤四：若可见点中有凹点，则在凹点中选择最优的可见点，若可见点中没有凹点，则在所有可见点中选择最优可见点；

步骤五：连接凹点与最优可见点，将多边形分解为两个子多边形，直至所有子多边形都为凸多边形。

2.根据权利要求1所述的一种基于自由空间与人工蜂群算法的路径规划方法，其特征在于将蜂群算法与自由空间法结合，对可行路径进行优化，避免陷入局部最优解；

其中，将蜂群算法与自由空间法结合包括：

3.1)蜂群算法基本步骤

步骤一：取N只蜜蜂，其中N/2为侦查蜂，N/2为跟随蜂；

步骤二：侦查蜂在搜索空间中搜索蜜源，身份转变为引领蜂并在蜜源附近进行邻域搜索，选择质量较高的蜜源保留；

步骤三：引领蜂回到蜂巢共享信息，跟随蜂根据蜜源质量决定是否前往蜜源；

步骤四：前往蜜源的跟随蜂在蜜源附近进行邻域搜索，若发现质量更高的蜜源，则淘汰原蜜源，跟随蜂与引领蜂身份互换；

步骤五：若蜜源经过了T_max次邻域搜索后仍然没有找到更好的蜜源，则放弃该蜜源，引领蜂身份变为侦查蜂，返回步骤二；

步骤六：若总搜索次数达到Limit，则保留当前最优蜜源并停止搜索，否则返回步骤三；

其中，蜜蜂的采蜜行为就是寻找最优路径的过程，蜜源的位置对应了可行路径，蜜源的收益对应着路径的质量，采蜜的速度对应着算法的求解速度；

在路径规划算法中，每个蜜源对应一个可行的路径，蜜源质量对应路径长度；初始蜜源的搜索与蜜源的领域搜索过程如3.2与3.3所示；

3.2)全局搜索初始路径

全局搜索找出一组自由连线，并在自由连线中选择路径点，与起点和终点连线生成一条初始路径，其质量不一定是最优的，但此路径一定是可行的；

3.3)路径代价，对应于路径质量

计算路径P_i＝{x_init,p_i1,p_i2,…,p_in,x_goal}的代价benefit₁，其中，路径代价为路径的欧式距离：

其中，x_init是起点，p_i1,p_i2,…,p_in是路径上的中间点，x_goal是路径终点；

3.4)邻域搜索可行路径

对路径进行局部调整，以获取邻域中的可行路径。