[发明专利]一种蚁群算法的移动机器人路径规划方法

说明书

本发明公开了一种蚁群算法的移动机器人路径规划方法，包括：根据栅格法形成移动机器人的栅格地图，根据起点与终点的障碍物信息形成初始信息素的分布，根据临界障碍物影响因子形成期望启发函数，根据信息素更新公式对信息素的进行更新，根据模糊算法动态调整信息素启发因子和期望启发因子的参数，对信息素挥发系数进行动态调整。本发明提供的技术方案能够获得更好的最优路径解，收敛速度更快。另外，本发明通过仿真实验证明了上述技术方案是可行的以及有效的。

技术领域

本发明涉及机器人技术领域，尤其涉及一种蚁群算法的移动机器人路径规划方法。

背景技术

移动机器人因其在工业应用、制造业、搜索救援、医疗服务、智能物流等领域的巨大潜力和研究价值而受到人们的广泛关注。导航是移动机器人相关技术的研究核心，因为它定义了移动机器人如何感知环境、如何在环境中定位以及如何在已知地图中规划路径。路径规划是导航技术研究中的重要组成部分，其主要目的是在已知环境中为移动机器人构建一条从起始点到目标点的无碰撞最优路径。

路径规划问题一般同时考虑静态环境和动态环境：静态环境是指起始点和目标点的位置是已知，并且障碍物也是静止不动的。然而，在动态环境中，由于障碍物的位置和目标点可能会随着时间的变化而发生改变，移动机器人需要借助传感器的信息做出相应决策。根据机器人对环境的感知不同，路径规划可分为两类：第一类，机器人先对环境信息建立地图，因此路径可以根据已知地图信息离线规划，这类路径规划称为全局路径规划；第二类，机器人不会提前输入环境信息，需要利用传感器实时建立环境地图，避开障碍物找到一条合适的路径，这类路径规划称为局部路径规划。本实施例研究的是静态环境下的全局路径规划问题。

近年来，许多学者对路径规划进行了大量的研究并提出了一些可行的方法，例如人工势场法、模糊算法、DWA算法、遗传算法、免疫算法、神经网络算法等。但是，这些技术方法中存在着一些缺点，如稳定性差、局部最优、适应性不强等。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种蚁群算法的移动机器人路径规划方法，包括：

根据栅格法形成移动机器人的栅格地图，所述移动机器人在所述环境地图的序列编码的计算公式为：

其中，机器人的坐标为(x_g，y_g)，Num为序列标号，N_x为所述栅格地图的行数，N_y为所述栅格地图的列数；

根据起点与终点的障碍物信息形成初始信息素的分布；

根据临界障碍物影响因子形成期望启发函数，所述期望启发函数为：

其中，d_ij为两个相邻网格之间的距离，g_i为节点i处的临界障碍物影响因子，A常数；

根据信息素更新公式对信息素的进行更新，所述信息素更新公式为：

其中，Q为信息素增强系数，L_k为第k只蚂蚁在一次迭代中走过的路径总长度，Δτ_ij(t)为t时刻路径ij上增加的信息素，B为常数，n为迭代次数，为所有蚂蚁的可行路径解的平均值；

根据模糊算法动态调整α/β参数；

其中，α为信息素启发因子，β为期望启发因子；

输出最优路径。

可选的，所述根据模糊算法动态调整α/β参数的步骤之后包括：

判断蚁群算法是否陷入局部最优；