[发明专利]一种多目标同时优化的服务机器人路径规划方法

权利要求书

1.一种多目标同时优化的服务机器人路径规划方法，其特征在于，包括如下步骤：

构建作业环境模型：采用栅格法将机器人作业环境划分为一系列大小相等的栅格，所述栅格包括自由栅格、障碍栅格和边沿栅格，并对边沿栅格进行扩展，设置其相应的梯度占有概率，构建具有较强可计算特性的环境描述模型；

算法参数初始化：包括种群数量、算法迭代次数以及迭代过程中的其他条件参数；随机产生萤火虫种群个体，使每只萤火虫代表一条可达性初始路径；

种群个体的亮度描述与评价机制：基于目标函数多维向量综合计算萤火虫个体的发光强度，借助Pareto支配关系评价种群个体的优劣程度；

种群进化机制：建立种群精英记录库和进化库，基于支配关系将种群个体向精英记录库和进化库分流，非支配个体随机进化，受支配个体趋向支配个体进化；

种群更新机制：比较进化库、精英记录库个体之间的亮度支配关系，基于自适应网格划分策略维持非支配解集的分布性，适时增加新生个体；

最优解集输出：当算法迭代达到最大次数时，输出所述精英记录库中的Pareto非支配解集，完成多目标路径优化。

2.如权利要求1所述的多目标同时优化的服务机器人路径规划方法，其特征在于，萤火虫个体发光强度的描述机制，还包括：

在多目标优化领域，本发明属于基于后验需求的优化决策方法，鉴于所优化目标之间相互冲突，难以权衡计算萤火虫个体亮度值，故本方法采用目标函数多维向量表征个体的发光强度，譬如同时优化路径长度、路径安全性和路径平滑性三个目标，其发光强度可用{f₁(L)，f₂(S)，f₃(α)}这一三维向量表达，所述f₁(L)、f₂(S)、f₃(α)分别为可达性路径的路径长度函数、路径安全性函数以及路径平滑度函数。

3.如权利要求1所述的多目标同时优化的服务机器人路径规划方法，其特征在于，萤火虫个体的进化机制，还包括：

若所述萤火虫个体F_i支配所述萤火虫个体F_j，则所述萤火虫个体F_i所表达的可达性优化解更优越，所述萤火虫个体F_j会被所述萤火虫个体F_i吸引，并参照公式L_j(t+1)＝L_j(t)+β_ij(r_ij)·(L_i(t)-L_j(t))+r_ij·random()更新自己位置。

4.如权利要求1所述的多目标同时优化的服务机器人路径规划方法，其特征在于，所述精英记录库的更新机制，包括：

所述多目标萤火虫算法经过初次迭代后，将不受萤火虫种群中任何萤火虫个体支配的个体保存至精英记录库中，其余个体归类于进化库。

在后续每次的所述多目标萤火虫算法迭代过程中，基于Pareto支配关系，比较所述进化库中的每个个体F_c与所述精英记录库中每个成员之间的发光强度支配关系，若F_c不受任何成员支配，则将个体F_c加入所述精英记录库；比较所述精英记录库中各成员之间的支配关系，根据比较结果，更新所述精英记录库；采用适应网格划分策略管理精英记录库的容量和非支配解集的分布性。

5.如权利要求4所述的精英记录库的更新进制，其特征在于，所述精英记录库的容量及其个体分布性的管理机制，还包括：

判断当前所述精英记录库中成员个数是否已达预设的规模；若否，则将所述萤火虫个体F_c直接加入精英记录库中；若是，将所述萤火虫种群个体所在的搜索空间划分为若干个立体网格，计算网格内的种群密度，根据当前所述网格内的种群密度分布情况自适应调整所述网格的大小，则个体F_c采用替换网格中密度较大的个体。

6.如权利要求1所述的多目标同时优化的服务机器人路径规划方法，其特征在于，所述进化库的更新机制，包括：

(1)当进化库中的某萤火虫个体F_c的发光强度不受且不支配所述精英记录库中的任意成员支配时，则将该萤火虫个体F_c加入所述精英记录库中；

(2)当进化库中的某萤火虫个体F_c的发光强度不受所述精英记录库中的任意成员支配，且F_c支配所述精英记录库中的某个或者若干成员时，则将所述萤火虫个体F_c替换所述精英记录库中受支配的成员；

(3)当进化库中的某萤火虫个体F_c的发光强度受所述精英记录库中的某个或者若干成员支配时，则所述萤火虫个体F_c向精英记录库中的支配成员移动；

(4)当所述萤火虫个体F_c在连续迭代若干代后，仍受所述精英记录库中的某个或者若干成员支配时，则将所述萤火虫个体F_c丢弃，并随机产生新的种群成员加入进化库。