[发明专利]基于动态更新机制蚁群算法的机器人路径规划方法及系统

说明书

本发明属于移动机器人路径规划技术领域，提供了一种基于动态更新机制蚁群算法的机器人路径规划方法及系统。其中，该方法包括获取机器人的任务环境，并对其进行栅格化处理，得到栅格地图，确定出机器人的起始节点、目标节点、易引起死锁的节点和障碍物节点的信息；基于动态更新机制蚁群算法对机器人的路径进行规划；其中，动态更新机制蚁群算法的初始禁忌列表中存储有机器人的起始节点、目标节点、易引起死锁的节点和障碍物节点的信息；当所有蚂蚁完成一次迭代后，保存最优路径，动态更新信息素挥发系数、信息素浓度及禁忌列表，直至完成所有迭代次数，得到最优路径。

技术领域

本发明属于移动机器人路径规划技术领域，涉及一种基于动态更新机制蚁群算法的机器人路径规划方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

路径规划是机器人领域中重要的研究课题之一，它在物流、医疗、航空、军事等领域发挥了关键作用。所谓路径规划，就是在某个环境中，根据约束条件，找到一条从起点到终点的最优或次优路径。蚁群算法因为具有稳定性、鲁棒性等优点，被广泛应用于路径规划中。蚁群算法是一种仿生算法，模仿真实蚂蚁觅食的过程，蚂蚁在运动的过程中，能够在经过的路径上释放并留下信息素，其它蚂蚁在运动时能够根据信息素的浓度来选择前进的路径，正是这种正反馈机制能使搜索过程不断收敛，最终实现协同搜索最短路径的目标。该过程中，多个个体进行并行计算，提高了计算能力和运行效率。然而，发明人发现使用蚁群算法进行路径规划时，所得到的路径不一定是全局最优的，而且寻找最优路径的过程消耗的时间较长，效率较低。

发明内容

为了解决上述背景技术中存在的问题，本发明提供了一种基于动态更新机制蚁群算法的机器人路径规划方法及系统，其能够快速准确地搜索出全局最优路径。

为了实现上述目的，本发明采用如下技术方案：

第一个方面，本发明提供了一种基于动态更新机制蚁群算法的机器人路径规划方法。

一种基于动态更新机制蚁群算法的机器人路径规划方法，其包括：

获取机器人的任务环境，并对其进行栅格化处理，得到栅格地图，确定出机器人的起始节点、目标节点、易引起死锁的节点和障碍物节点的信息；

根据概率转移公式以及信息素浓度确定蚂蚁下一步到达的节点；

当所有蚂蚁抵达完成一次迭代后，保存当前迭代的最优路径；

动态更新信息素挥发系数、信息素浓度以及禁忌列表，直至完成所有迭代次数，得到最优路径。

所述动态更新机制蚁群算法概率转移公式为：

在上述概率转移公式中，代表第k只蚂蚁在t时刻从节点i转移到节点j的概率，γ∈(0，1)为调整因子，x_e、y_e代表目标点的横坐标与纵坐标，x、y表示机器人当前位置的横坐标与纵坐标，e表示自然常数，τ_ij(t)代表节点i到节点j的信息素浓度，α表示信息素浓度因子，β代表启发因子，η_ij(t)表示t时刻从节点i到节点j的启发式函数。

所述的启发式函数η_ij(t)为：

其中，D是从起始点到目标点的距离(该距离可以是欧几里得距离、闵可夫斯基距离或者马哈拉诺比斯距离)，ε表示调整因子，k_c表示当前的迭代次数，k_max表示最大迭代次数。

在本发明中，所述的信息素浓度动态更新机制如下所示：