[发明专利]一种基于势场蚁群算法的路径规划方法

说明书

本发明公开了一种基于势场蚁群算法的路径规划方法，针对蚁群算法前期搜索存在盲目性问题，引入人工势场法，使得目标点一开始就对蚂蚁的寻优做出引导作用，并且在整个寻优过程，目标点对蚂蚁的吸引力一直存在，这在一定程度上降低了蚁群前期搜索的“盲目性”，能够加快蚁群的收敛速度，同时也加强了算法全局搜索的能力；利用人工势场法计算下一可行节点到终点的距离综合构造启发信息，避免了蚁群在搜索中过早停滞，陷入局部最优；引入最优‑最差蚂蚁系统对全局信息素更新，这种将全局搜索与局部搜索相结合的方法，能够有效地加大算法的搜索效率；对算法规划的最优路径做平滑处理，能够取得更短的最优路径，更加符合实际环境的要求。

技术领域

本发明涉及一种基于势场蚁群算法的路径规划方法，属于智能机器人路径规划领域。

背景技术

机器人的路径规划是机器人导航技术里最重要的一个环节，它指的是将移动机器人放在一个有障碍物的工作环境中，通过设置机器人在这个工作空间中的初始点和目标点，使机器人找到一条从初始点到目标点的路径的过程。在这个过程中，通过使用一定的路径规划方法，使机器人找到一条令人满意的路径。目前，国内外研究人员对路径规划提出了很多算法，包括A*算法、人工势场等传统算法。以及一系列智能优化算法，如蚁群算法、遗传算法、粒子群算法等。每种算法均根据不同的性能指标有不同的优缺点。

人工势场法是一种重要的局部路径规划方法，其由于计算量小、规划结果安全可靠而被广泛关注。但该算法对周围环境的感知信息具有局限性，易出现局部最优问题。蚁群算法是一种基于智能仿生计算的优化算法，通过模拟蚂蚁的觅食行为，在空间中进行路径规划，在机器人路径规划和无人驾驶中都具有良好得应用前景。蚁群算法具有良好的鲁棒性，容易应用到实际问题中并且易于其他算法相结合。另外，蚁群算法还有适应强、有较好的求解能力等优点，但与此同时，蚁群算法也存在以下缺点：①蚁群在路径规划初期搜索存在盲目性，算法收敛速度慢，搜索时间长；②传统蚁群算法利用蚂蚁的当前位置与下一位置的欧氏距离作为启发信息函数，这使得蚂蚁在搜索过程中容易出现停滞，陷入局部最优解；③此外，蚁群算法还存在计算量大，运算效率低等缺点。

发明内容

本发明提供一种基于势场蚁群算法的路径规划方法，以用于通过该方法进行机器人的路径规划。

本发明的技术方案是：一种基于势场蚁群算法的路径规划方法，所述方法步骤如下：

Step1：采用栅格法对机器人的工作环境进行建模；

Step2：设置起始点S，目标点G，最大迭代次数N_cmax，利用单位矩阵初始化全局信息素；

Step3：将m只蚂蚁置于起始点S，并将它们此时的位置加入禁忌表Tabu；在基于传统蚁群算法的基础上引入人工势场法，并利用其计算蚂蚁可能前往的下一节点j到目标点G的距离L_jG，综合构造启发信息函数；在启发信息函数和全局信息素的作用下，结合轮盘赌法计算t时刻蚂蚁k在节点i选择下一个节点j的状态转移概率选择蚂蚁下一个前往的节点j；蚂蚁到达下一节点j后，更新禁忌表Tabu，将节点j加入禁忌表；

Step4：判断蚂蚁是否到达目标点G：

若是，停止搜索，一次迭代结束；否则，继续按照Step3的方法搜索直到找到目标点；

Step5：在一次迭代结束，所有蚂蚁到达目标点G后，依据最优-最差蚂蚁系统原理，比较所有蚂蚁搜索到的路径长度，找到此次迭代的最优路径L_best和最差路径L_worst，更新全局信息素，清空禁忌表Tabu；

Step6：判断当前迭代次数N_c是否到达最大迭代次数N_cmax：若是，输出最优路径；否则，转到Step3，直到N_c＝N_cmax；