[发明专利]蚁群和A-Star算法并行的栅格地图路径规划方法

说明书

本发明公开了蚁群和A‑Star算法并行的栅格地图路径规划方法，涉及路径规划技术领域，解决了现有技术在进行路径规划过程中，以路径耗时为基准，且忽视路况的复杂程度，导致用户选择单一，且规划的路径不符合实际情况的技术问题；本发明将蚁群算法在最短路径的求解方面的优势和A‑Star算法在有约束条件的前提下求解最优路径的优势结合起来，再结合用户选择标签为用户提供符合需求的目标路径；本发明为客户提供了至少两种选择，且保证目标路径能够符合实际情况和用户需求；本发明通过周期性获取用户选择标签，再根据用户选择标签控制算法运行，既能够保证目标路径的合理性和准确性，又能够降低数据处理量，提高运行效率。

技术领域

本发明属于路径规划领域，涉及一种蚁群算法和A-Star算法并行的栅格地图路径规划技术，具体是蚁群和A-Star算法并行的栅格地图路径规划方法。

背景技术

路径规划在很多领域均具有广泛应用，如机器人的自主无碰行动、无人机的避障突防飞行、城市路网规划、GPS导航等，因此路径规划的准确性和便利性是一个亟需解决的问题。

现有路径规划方法主要包括Floyd算法、人工势场法、RRT算法、蚁群算法、A-Star算法等；现有路径规划方法在进行路径规划过程中，以路径耗时为基准，且忽视路况的复杂程度和用户的真实需求，导致用户选择单一，且规划的路径不符合实际情况的问题；因此，亟需一种能够综合考虑各种需求和因素的栅格地图路径规划方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了蚁群和A-Star算法并行的栅格地图路径规划方法，用于解决现有技术在进行路径规划过程中，以路径耗时为基准，且忽视路况的复杂程度，导致用户选择单一，且规划的路径不符合实际情况的技术问题，本发明将蚁群算法在最短路径的求解方面的优势和A-Star算法在有约束条件的前提下求解最优路径的优势结合起来，为用户提供多种可靠的选择方案。

为实现上述目的，根据本发明的第一方面的实施例提出蚁群和A-Star算法并行的栅格地图路径规划方法，包括：

步骤1：标记障碍物和可通过区域，并建立栅格地图；

步骤2：对蚁群算法以及A-Star算法的启发函数进行参数初始化；其中，蚁群算法的参数包括蚂蚁数量、信息素启发因子、初始信息素浓度和期望启发因子，启发函数参数包括弯曲抑制算子和转弯次数；

步骤3：通过蚁群算法获取最短路径，以及通过A-Star算法获取最优路径；

步骤4：周期性获取用户选择标签，根据用户选择标签选择目标路径，并控制蚁群算法和/或A-Star算法运行；其中，目标路径基于最短路径或最优路径选择。

优选的，通过所述蚁群算法获取最短路径，包括：

采用轮盘赌算法确定蚂蚁前进路径，当蚂蚁寻到终点或者进入死胡同时，则终止路径寻找；

记录路径寻找过程中，蚂蚁寻到的最短路径以及对应长度，更新路径上蚂蚁的信息素浓度；

将寻到的最短路径作为种群初始值赋给遗传算法进行遗传算法初始化，然后完成进化过程；其中，进化过程包括选择、交叉以及变异操作；

当迭代次数达到最大时，以进化过程中具有最大适应度的个体作为最优解输出，获取最短路径。

优选的，所述启发函数具体表示为：其中，Q₂为大于1的常数，cost(bend)为弯曲抑制算子，h(n)表示当前节点到起始节点的距离；g(n)表示当前节点到目标节点的距离；且X₀、X_i、X_j分别表示起始、当前和目标节点的二维X轴坐标；Y₀、Y_i、Y_j分别表示起始、当前和目标节点的二维Y轴坐标；