[发明专利]一种基于双重搜索优化算法的路径规划方法

权利要求书

1.一种基于双重搜索优化算法的路径规划方法，其特征在于：所述方法包括以下步骤：

步骤1：初始化，确认路径规划的起点和终点，确定最大迭代次数T；

步骤2：将路径规划问题建模为相应的适应度函数；设定函数寻优的上下限以及维度i；计算当前路径位置下的适应度值；

步骤3：通过双重搜索优化算法得到新的位置信息，包括以下步骤：

步骤3.1：通过改进的正余弦位置更新算法，公式为：

其中，

w(t)为自适应惯性权值，r₁为递减参数，t为当前迭代次数，为在第t次迭代下第i个维度下的最优位置，r₂、r₃和r₄为参数，为在t次迭代i维度下路径规划的目标位置；r₂∈[0，2π]，

r₃∈[-2，2]，r₄∈[-1，1]；

以适应度值为基础对路径规划位置进行更新，确定下个迭代的位置信息以及对应的适应度值；

步骤3.2：通过改进的天牛须搜索算法，计算步骤3.1所处位置的适应度值，从而进行路径规划位置的二次更新，得到新的位置信息；

步骤4：检查新的位置信息是否超过路径规划步骤2中设定的函数寻优上下限；如果超过，则返回上一次适应度值最小的位置信息并跳至步骤6；如果没有超过，则继续进行；

步骤5：判断步骤3得到更新位置下的适应度值是否满足替换条件；如果是，则以步骤3的位置信息进行位置信息替换，反之则不替换；存储判断过后得到的位置信息；

步骤6：检查是否为最大迭代次数，如果是，则停止计算，将每次迭代最后存储的位置信息连接成路径，输出算法路径规划得到的最短路径；否则，迭代次数加1，返回至步骤3。

2.根据权利要求1所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：所述步骤2中，相应的适应度函数，由路径的安全性评价因子函数、路径长度函数以及路径平滑度函数组成，并规定适应度函数最小值就是路径规划问题得到的最短路线。

3.根据权利要求1所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：所述步骤3中，双重搜索优化算法包括改进的天牛须搜索算法和改进的正余弦优化算法。

4.根据权利要求1所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：其中，β取(0，2]，T为最大迭代次数，t为当前迭代次数。

5.根据权利要求1所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：对递减参数r₁进行调整优化，将传统的线性递减函数变成指数型递减函数，其中，α为常数，取[1，3]，T为最大迭代次数，t为当前迭代次数。

6.根据权利要求1所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：所述步骤3.2中，改进的天牛须搜索算法将固定步长搜索改进为变步长搜索。

7.根据权利要求6所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：所述步骤3.2包括以下步骤：

步骤3.2.1：对搜索方向进行矢量归一化处理，其中，rand函数为随机函数，i代表步骤2设定的维度；

步骤3.2.2：对搜索步长进行更新，将固定步长改进为变步长搜索，其中，T为最大迭代次数，s₀和s₁分别取值为0.9和0.4，t为当前迭代次数；

步骤3.2.3：改进的天牛须搜索算法的更新策略为，

其中，x^t为步骤3.1中求得的下次迭代所处位置信息，x^t+1是通过改进天牛须搜索算法进行二次搜索之后所得到的位置信息，f(x)为适应度函数，d^t是天牛须到天牛质心之间的距离，sign函数用来确定天牛之后的搜索方向。

8.根据权利要求7所述的一种基于双重搜索优化算法的路径规划方法，其特征在于：所述sign函数包括-1、0、1三个值，对应为左向、右向和不动三个策略，可以根据步骤3.2.3中的f(x_r)-f(x_l)的值计算sign函数得到。