[发明专利]一种基于终距指数的机器人路径规划方法

说明书

本发明公开一种基于终距指数的机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人环境地图；S2、采用蚁群算法寻找环境最短路径，蚁群算法包含以下步骤：S21、初始化蚁群算法的参数；S22、将m只蚂蚁放在起始点开始搜索；S23、利用概率选择公式选择下一步移动栅格；S24、判断所有蚂蚁是否到达目标点，如果是则进行步骤S25，如果否返回步骤S23；S25、根据当代取得的所有可行路径进行终距指数的更新；S26、判断是否达到最大迭代次数，如果是则结束；如果否，则令迭代次数加1并返回步骤S22；S3、将步骤S2得到最短路径作为规划的最优路径；本发明不仅提高了全局最优解而且提高了收敛速度。

技术领域

本发明涉及机器人路径规划技术领域，具体是一种基于终距指数的机器人路径规划方法。

背景技术

路径规划技术是移动机器人研究领域的一个重要组成部分，主要目的是在有障碍物的环境中，根据给定的目标(如路径最短，位置拐点最少，用时最短等)，寻求一条从起始位置节点到目标位置节点之间的最优或次优安全无碰路径。

路径规划技术的发展在一定程度上标志着机器人智能水平的高低，而路径规划方法的优劣直接影响路径规划效果。

目前，国内外许多专家学者都在致力于路径规划算法的研究，常用的优化算法主要有人工势场法、蚁群算法、免疫算法、粒子群优化算法和遗传算法等。

其中，蚁群算法作为一种基于种群的概率选择算法，由于该算法与其它启发式算法相比，在求解能力方面，具有很强的鲁棒性和较好解的搜索能力，且容易与其他算法进行结合，以改善其算法的性能，所以蚁群算法在路径规划等领域中得到了广泛的应用，但蚁群算法也存一些缺点，诸如收敛速度慢，容易陷入局部最优解等。

针对这些不足，国内外诸多学者都尝试着对传统的蚁群算法进行改进，虽然大量的仿真结果表明了一些对基本蚁群算法在某些方面的改进策略是可行的，但是，依旧存在一些缺陷需要弥补，比如蚂蚁的选择策略受信息素浓度影响，而浓度是由路径决定的，故存在冗余部分的路径，其产生的信息素浓度将受到冗余路径的干扰，进而影响蚂蚁的选择正确率。

发明内容

本发明的目的在于提供一种基于终距指数的机器人路径规划方法，该方法能够克服传统蚁群算法收敛速度慢、易陷入局部最优等不足，不仅改善了获得机器人路径规划的全局最优解的质量，而且提高了收敛的速度。

本发明解决其技术问题所采用的技术方案是：

一种基于终距指数的机器人路径规划方法，包括以下步骤：

S1、采用栅格法创建机器人工作环境地图，定义起始点与目标点；

S2、采用蚁群算法寻找环境最短路径，所述蚁群算法按以下子步骤执行：

S21、对于任一坐标为(i，j)的栅格图节点，定义终距指数kij，用来标记该节点到终点的距离；

初始化所有节点的终距指数k_ij，初始值设为99；

将信息素启发因子替换为终距指数启发因子β，同时初始化距离启发因子α、终距指数启发因子β、蚂蚁数量m，迭代次数T以及削减系数q；

S22、将m只蚂蚁放在起始点，将起始点加入禁忌表中，开始搜索，得到可行路径节点栅格；

S23、每只蚂蚁根据公式(1)选择下一步移动栅格，并将当前栅格加入到禁忌表中；在计算概率时，按照公式(2)先对所有的相邻节点的k_ij进行整体缩减，放大偏差处理；

k_ij＝k_ij-(1-q)*k_min (2)