[发明专利]基于高斯变异遗传算法优化神经网络的小车自动寻路方法

权利要求书

1.一种基于高斯变异遗传算法优化神经网络的小车自动寻路方法，其特征在于，包括如下步骤：

步骤S1、设定迭代进化种群的个数和终止迭代次数，即自动寻路小车个数和小车的终止迭代次数，也就是小车自动寻路开始计时，小车行驶最大步数，小车撞墙即代表小车死亡，必须从赛道起点重新开始进行迭代进化过程；

步骤S2、利用python建立Lines和Rectangles两个类别分别画出二维小车和赛道边界，赛道的设计类似于回字环形赛道，赛道设定起点、终点，起点在OpenGL里面建立二维平面坐标系里设定的坐标，终点设定的是终点判断函数，在赛道里面显示的是线段，小车一旦触碰该线段，即认定到达终点；

步骤S3、设定神经网络的拓扑结构，设为三层前馈神经网络，包括输入层、隐含层、输出层；在三层神经网络中，设定隐含层神经元个数n，输入个数m，输出层有两个神经元节点，即两个输出参数，根据输出参数分别控制小车的速度和行驶角度，输入层与隐含层之间连接权值w1＝n*m，阈值b1，隐含层与输出层之间连接权值w2＝2*n，阈值个数b2；

步骤S4、神经网络部分编程全部用实数进行编码,编码的实数总共13位,第一位代表正负位,编码的实数以神经网络的w1、b1、w2、b2排列顺序组合成一个字符串数组进行编码并以预设的编号索引顺序存储于初定自动寻路小车种群代表的神经网络矩阵中；

步骤S5、设置适应度函数，在此设定小车自从寻路开始到小车撞墙这一段时间为小车的存活时间t，即评价小车进化的优劣，设定小车存活时间越长，小车评分越高，则小车的行驶距离越大，更容易到达规定的赛道终点；

步骤S6、进行迭代循环过程,为基于高斯变异的遗传算法所有神经网络小车个体的迭代进化过程，也即小车在步骤S2所设计的赛道中进行随机自动寻路的过程。

2.根据权利要求1所述的基于高斯变异遗传算法优化神经网络的小车自动寻路方法，其特征在于，步骤S3中，两个输出参数output1、output2通过下式控制小车的速度和行驶角度：