[发明专利]一种基于改进蚁群算法的路径规划方法

权利要求书

1.一种基于改进蚁群算法的路径规划方法，其特征在于，包括以下步骤：

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，初始化全局信息素；

Step3：使用一种改进的人工势场法简化初始地图，减少蚁群算法探索的地图范围；

Step4：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；基于传统蚁群算法的基础上引入A*算法的自适应启发函数思想，考虑转折角度，结合其计算蚂蚁可能前往的下一节点j到目标点G的距离LjG，综合构造启发信息函数，同时设计启发函数递增函数自适应调整启发信息；在启发信息函数和全局信息素的作用下，在轮盘赌法算法的基础上进行改进自适应调整选择概率，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；

Step5：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Step4的方法搜索直到找到目标点；

Step6：在一次迭代结束，所有蚂蚁到达目标点G后，综合考虑路径的长度、转折数以及转折角度来改进路径的评价函数评价最优路径,参考最优-最差蚂蚁系统原理，对全局排名前n的最优路径，更新全局信息素，清空禁忌表Tabu；

Step7：判断当前迭代次数Nc是否到达最大迭代次数Ncmax：若是，输出最优路径；否则，转到Step3，直到Nc＝Ncmax；算法结束，输出最优路径。

2.根据权利要求1所述基于势场法改进的蚁群算法路径规划方法，其特征在于Step3中所使用的人工势场法，算法通过三个节点列表在栅格图上构建出一张新的势场图，势场图生成步骤具体如下：

Step3.1 首先，将所有节点都加入到open表中，再将目标点从open表中删除，同时设置其具有最大的势场值，加入到temp表；接下来将所有障碍点从open表中删除，设置其势场值为，加入到closed表中；

Step3.2 之后，从目标节点开始，按公式（为递减值，可设为10）为目标节点在open表中的相邻节点赋予势场值，并将这些相邻节点加入temp表中，从open表中删除，将目标节点从temp表中移除，并加入到closed表；

Step3.3 然后，从temp表中依次取出节点，按照Step3.1-3.2为节点赋予势场值，迭代i次后，直到temp表为空，所有节点都被赋予了势场值，势场图生成，与的大小可根据实际地图大小进行设定；通过算法获得多个子路径，然后统计路径中的所有节点，将不属于统计节点的节点设置为障碍物，从而简化初始地图。

3.根据权利要求1所述基于势场法改进的蚁群算法路径规划方法，其特征在于：所述启发信息函数如下：

其中，d_ij表示迭代次数为t时当前节点i和可选节点j之间的欧氏距离，d_jg表示可选节点j与目标节点g之间的欧几里德距离，thita表示前一节点与当前节点i和可选节点j之间的角度，w₁，w₂和w₃代表三个启发因子的权重，表示启发信息函数的递增函数，控制迭代次数为t时启发信息的大小，函数的调整系数决定了递增函数的增长速度。

4.根据权利要求1所述基于势场法改进的蚁群算法路径规划方法，其特征在于，所述状态转移函数如下：

其中，α和β分别是信息素因子和启发式因子，α越大，蚂蚁k越倾向于选择信息素浓度较大的路径，β越大，蚂蚁越倾向于选择距离目标点近的节点，q_o为选择概率，q_max表示最大选择概率的值，q_min表示最小选择概率的值， 、表示早期、中后期选择概率的递减函数的系数，R为迭代阈值，NC为迭代次数。