[发明专利]一种基于改进ACS算法的移动机器人路径规划方法

说明书

本发明提供了一种基于改进ACS算法的移动机器人路径规划方法，涉及机器人路径规划技术领域，包括：在栅格地图中指定移动机器人的初始节点和目标节点；根据ACS算法进行路径规划，为移动机器人路径规划初期提供一个算法平台，在ACS算法中利用对初始信息素浓度的更新，改进对初始信息素浓度的分配规则，降低了算法初期蚁群寻路的盲目性，引入蚁群引力规则，有效解决ACS算法在路径搜索过程中蚁群寻路盲目性较大，从而导致算法收敛速度慢的情况，提出了路径平滑处理方案，提升算法规划路径的平滑性，本发明提供的方法优于ACS算法，使得移动机器人行走更加平滑，运行时间更少、工作效率更高。

技术领域

本发明涉及机器人路径规划技术领域，具体为一种基于改进ACS算法的移动机器人路径规划方法。

背景技术

现如今，路径规划问题是移动机器人研究的重点对象之一，是指移动机器人依据现有信息规划出一条能使其从起始位置安全到达目标位置，且满足各项性能指标的完整路径。传统路径规划算法有Dijkstra算法、A*算法、人工势场法等，随着移动该机器人工作空间复杂度的提升，逐渐涌现出一系列的智能仿生算法，如遗传算法、粒子群算法、人工蜂群算法等。

蚂蚁系统(Ant System,AS)是由意大利学者Dorigo于1992年提出的一种模拟自然界中蚂蚁觅食行为的仿生算法。虽然AS算法已经能够有效解决移动机器人路径规划问题，但是依旧存在收敛速度慢、易陷入局部最优等问题，因此Dorigo等学者于1997年提出了蚁群系统(Ant Colony System，ACS)，ACS算法具有并行性、强鲁棒、易实现等优点，可以有效解决移动机器人路径规划问题，但是ACS算法仍存在寻路速度慢、易陷入局部最优、路径不平滑等问题。基于此，本发明设计了一种基于改进ACS算法的移动机器人路径规划方法，以解决上述问题。

发明内容

针对ACS算法收敛速度慢、易陷入局部最优和路径转折点数量过多等问题，本发明在ACS算法的基础上提出了一种基于改进ACS算法的移动机器人路径规划方法,即引力蚁群系统(Gravitational Search Ant Colony System,GSACS)算法。

为实现上述目的，本发明提供如下技术方案：一种基于改进ACS算法的移动机器人路径规划方法，其特征在于：包括如下步骤：

S1：移动机器人通过激光雷达、摄像头传感器或者超声波传感器对周围环境信息进行获取，将工作环境分割成尺寸一致的栅格，由各种信息决定的栅格分辨率代表移动机器人周围环境的精确程度，当有障碍物出现时表示为黑色，无障碍物出现时表示为白色，然后在栅格地图中指定移动机器人的初始节点和目标节点；

S2：根据ACS算法进行路径规划，为移动机器人路径规划初期提供一个算法平台；

S3：在ACS算法中利用对初始信息素浓度的更新，改进对初始信息素浓度的分配规则，降低了算法初期蚁群寻路的盲目性；

S4：引入蚁群引力规则，有效解决ACS算法在路径搜索过程中蚁群寻路盲目性较大，从而导致算法收敛速度慢的情况；

S5：针对当前路线图存在的转折点数量过多的情况提出了路径平滑处理方案，提升算法规划路径的平滑性，使得移动机器人行走更加平滑，运行时间更少、工作效率更高。

优选的，根据ACS算法进行路径规划，在ACS算法中，若在t时刻蚂蚁k当前位置为节点i，到达下一目标节点j的状态转移概率为p_ij^k(t)，如下所示：

其中，α为信息启发式因子；β为期望启发式因子；allowed_k为蚂蚁k可以行走邻节点的集合；η_ij^β(t)为节点i到节点j的启发信息，其公式如下所示：

局部信息素浓度更新公式为：