[发明专利]一种机器人路径规划方法及机器人路径规划装置

权利要求书

1.一种机器人路径规划方法，其特征在于，包括：

对各条路径上的信息素浓度进行初始化设置，其中，所述路径为机器人从出发节点移动到目标节点所选取的路线；

基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径；

基于混沌优化算法更新各条路径上的信息素浓度，之后返回执行所述基于多态蚁群算法以及当前各条路径上的信息素浓度计算搜索蚁从所述出发节点移动到所述目标节点的最短路径的步骤，直至满足预设的迭代停止条件；

当满足所述迭代停止条件时，输出最后一次计算得到的最短路径。

2.如权利要求1所述的机器人路径规划方法，其特征在于，所述对各条路径上的信息素浓度进行初始化设置具体为：基于信息素浓度初始化公式对各条路径上的信息素浓度进行初始化设置，所述信息素浓度初始化公式为：

其中，x(i,j)(i,j∈{1,2,…,n-1；i≠j})，τ_ij(0)为首次计算时节点i到节点j的路径上的信息素浓度，C为初始时刻各条路径上的信息量常量，x(i,j)为从节点i到节点j的路径上生成的侦查素，表示以节点i为中心到任意n-1个节点的最短距离，n为节点总数，表示以节点i为中心到任意n-1个节点的最长距离。

3.如权利要求2所述的机器人路径规划方法，其特征在于，所述侦查素为随机放置于n个节点的m只侦查蚁分别对各自当前节点以外的其余n-1个节点进行侦查后生成；

所述侦查素基于侦查素生成公式计算得到，所述侦查素生成公式为：

其中，d_ij表示节点i和节点j之间的距离，MAXPC＝min{(n-x),MAXPC'}，x为搜索蚁已经经过的节点数，MAXPC'由节点数n确定得到。

4.如权利要求1至3任一项所述的机器人路径规划方法，其特征在于，所述基于混沌优化算法更新各条路径上的信息素浓度具体为：基于信息素浓度更新公式对各条路径上的信息素浓度进行更新，所述信息素浓度更新公式为：

其中，τ_ij(t+1)表示在第t+1次迭代运算中，节点i到节点j的路径上的信息素浓度，ρ为信息素挥发因子，Δτ_ij(t)表示在第t次迭代运算中，所有搜索蚁在从节点i到节点j的路径上所释放的信息素浓度之和，Z(n+1)为混沌变量。

5.如权利要求4所述的机器人路径规划方法，其特征在于，所述基于信息素浓度更新公式对各条路径上的信息素浓度进行更新包括：基于信息素释放浓度计算公式分别计算各只搜索蚁在从节点i到节点j的路径上所释放的信息素浓度，所述信息素释放浓度计算公式为：

其中，为搜索蚁k在第t次迭代运算中，在节点i到节点j的路径上释放的信息素浓度，Q为常量，L_k为搜索蚁k已经经过的路径的总长度。

6.如权利要求4所述的机器人路径规划方法，其特征在于，所述基于信息素浓度更新公式对各条路径上的信息素浓度进行更新还包括：

基于混沌序列生成混沌变量，其中，所述混沌变量基于所述混沌序列通过线性变换公式得到；

所述线性变换公式为：Z(n+1)＝-1+2ω(n+1)，其中，ω(n+1)为混沌序列。

7.如权利要求6所述的机器人路径规划方法，其特征在于，所述基于混沌序列生成混沌变量包括：基于Logistic映射公式生成混沌序列；

所述Logistic映射公式为：ω(n+1)＝4ω(n)[1-ω(n)]，其中，ω(n+1)为初始值ω(0)∈[0,1]时通过Logistic映射迭代产生的混沌序列。