[发明专利]一种基于蚁群算法的扫地机器人路径规划方法

权利要求书

1.一种基于蚁群算法的扫地机器人路径规划方法，其特征在于，包括以下步骤：

步骤1：扫地机器人开启自身扫地装置，并且获取当前环境信息；

步骤2：通过当前环境寻找具有激光反射性质的物体；

步骤3：提取激光反射物质的区域并对该区域进行分区；

步骤4：根据分区，对每个区域利用蚁群算法进行路径规划，找出清扫该区域的最短路径，并且清扫；

步骤5：检查该区域是否全部清扫完成；

步骤6：针对分区后的每个区域，根据临近位置的区域，进行逐个区域清扫。

2.如权利要求1所述的一种基于蚁群算法的扫地机器人路径规划方法，其特征在于，所述步骤4的具体过程为：

首先，提取环境中最初的具有激光反射性质的物质信息，并且记录其位置信息；

其次，利用蚁群算法，使扫地机器人从当前位置，从m-1个节点中，寻找距离激光反射性质的物质信息的最近一个节点，前进，下一次从剩余的m-2个节点中再寻找一个最近的节点，直至寻找完成所有的节点，清扫到房间的每个位置，第k只蚂蚁从r点出发，到s点的概率如式(1)所示，将蚂蚁放置出发点，根据式(1)选择下一节点，

第k只蚂蚁走过之后，r点到s点路径上的荷尔蒙浓度如式(2)所示，根据式(2)更新运动节点禁忌表并判断蚂蚁是否运动至目标节点，如果蚂蚁无路可走判定该蚂蚁已陷人自锁，随机选择是否进行操作，若未被选择，则此蚂蚁彻底自锁，若被选择，借助蚁群算法进行路径规划，

第k只蚂蚁在r点到s点路径上释放的荷尔蒙数量如式(3)所示，根据式(3)对全局信息素进行更新，并将当前迭代次数的平均路径，最优和最长路径进行记录，最后，判断当前最优路径和上代最优路径的大小，如果当前路径较小，则进行下一步，否则输出最优路径的同时将平均路径，最优和最长路径引人信息素更新策略中进行下次迭代，并且判断是否迭代到最大次数，如果是，则输出最优路径，否则重新进行路径规划，

其中，k代表第k只蚂蚁，m代表蚂蚁的总数；

α，β是大于零小于一的常数，其中α为荷尔蒙挥发常数，β为距离常数；(1-α)·τ(r，s)代表荷尔蒙随时间挥发，剩余的荷尔蒙浓度；

Jk(r)代表第k只蚂蚁，从r点出发，可以选择的目的地；

Lk代表第k只蚂蚁，从r走到s需要走的距离；

η(r,s)代表r点到s点之间距离的代数。