[发明专利]一种基于异构双种群蚁群算法的移动机器人路径规划方法

说明书

本发明涉及一种基于异构双种群蚁群算法的移动机器人路径规划方法，该方法首先将静态地图中位置坐标转为二进制数，并结合海明距离计算从起点到目标点整个分块地图中复杂度，将其与预测的复杂度阀值进行对比动态选择局部搜索效率高的蚁群算法还是收敛速度快的精英蚂蚁系统算法的信息素更新算子。其次，在迭代阶段，根据前一阶段选择的结果来选择在迭代前期是否增加较优路径上的蚂蚁的信息素浓度以进一步增加算法的探索度。

技术领域

本发明属于移动机器人路径规划领域，特别是一种基于异构双种群蚁群算法的移动机器人路径规划方法。

背景技术

移动机器人环境中存在着不同形状不同数量的障碍物，从而路径规划根据环境的复杂度的不同，路径规划的效果也不同，为了满足实际需求平衡获取最快的收敛速度和收敛距离，根据不同的环境复杂度动态选择算法，精英蚁群算法能够快递收敛但在复杂的环境中容易陷入局部解中无法跳出，故此算法适用于复杂度低的环境，而群蚁群算法在复杂环境中容易跳出局部最优解但收敛速度却相对缓慢，本文通过估计环境的复杂度动态的更新信息素策略，提出一个基于环境复杂度的双种群蚁群算法。提高了最优解，减少运行时间。本文的算法还可以在无人机、无人驾驶、等众多领域有着十分广泛的应用。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于异构双种群蚁群算法的移动机器人路径规划方法。本发明的技术方案如下：

一种一种基于异构双种群蚁群算法的移动机器人路径规划方法，其特征在于，包括以下步骤：

S1，初始化移动机器人的环境地图，初始化蚁群算法信息重要程度参数表示信息素重要程度、β启发函数重要程度、γ代表启发式协同信息素重要程度，蚂蚁进入下一步的策略方程；信息素浓度τ_ij，启发函数η_ij以及协同信息素σ_ij；

S2，根据任务，获取到移动机器人的起始点和目标点的x，y轴坐标；

S3，计算两点间的环境复杂度O_ij和全局复杂度O_global，公式如下：

O_ij＝[x_RHC(R(A))+y_RHC(C(B))]/2

O_global＝[x_RHC(R(A))_global+y_RHC(C(B))_global]/2

其中x_RHC(R(A))代表两点间x轴海明相对距离，y_RHC(C(B))代表两点间y轴海明相对距离，x_RHC(R(A))_global代表全局x轴海明相对距离，y_RHC(C(B))_global代表全局y轴海明相对距离；

S4，计算两点间和全局环境复杂度的比值，即相对复杂度

S5，判断H值的大小，当H1即在地图环境简单下，更新信息素算子采用精英蚂蚁系统信息素算子如下：

τ_ij＝τ_ij+e·Q/L_eli·H，

其中e代表精英蚂蚁数目，Q为常数代表蚂蚁循环一次所释放的信息素总量L_eli代表精英蚂蚁路径长度；

当H1即在地图复杂环境下，采用改进型蚁群算法，采用同时更新局部信息素浓度和全局信息素更新策略，更新信息素算子公式如下：

S6，运行异构双种群蚁群算法，即采用精英蚂蚁系统算法和蚁群系统算法；

S7，计算每代信息素浓度；

S8，迭代次数加一；