[发明专利]基于改进火烈鸟搜索算法的机器人路径规划方法及装置

权利要求书

1.基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，包括：

步骤1、利用栅格法将机器人运行环境建模为栅格地图；

步骤2、初始化种群大小P，最大迭代次数Iter_Max和第一部分迁徙火烈鸟的比例MP_b；

步骤3、初始化种群，包括：在所述栅格地图中随机生成路径节点，每条路径由相同数量的路径节点组成，每条路径作为一个火烈鸟个体，P个火烈鸟个体构成初始种群X；

步骤4、利用反向学习策略对当前种群进行更新，包括：对种群的每个火烈鸟个体计算其反向解，各反向解组成反向种群Y，取X,Y中的前P个火烈鸟个体构成种群Z；

步骤5、根据种群Z中火烈鸟个体的适应度值确定觅食者和迁徙者；

步骤6、更新觅食者和迁徙者的位置；

步骤7、根据萤火虫算法进一步更新种群；

步骤8、判断是否达到最大迭代次数，若达到则执行步骤9，否则返回执行步骤4进行下一次迭代；

步骤9、输出机器人最优路径。

2.根据权利要求1所述的基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，步骤5具体包括：计算火烈鸟个体的适应度，并根据适应度对当前种群中的所有火烈鸟个体进行排序，适应度低的前MP₀只火烈鸟个体和适应度高的前MP_t只火烈鸟个体是迁徙者，其他火烈鸟个体则是觅食者。

3.根据权利要求2所述的一种基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，MP₀＝MP_b×P，MP_r＝rand[0,1]×P×(1-MP_b)，MP_t＝P-MP₀-MPr；其中，rand[0,1]表示生成一个位于[0,1]之间的随机数。

4.根据权利要求1所述的基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，步骤6中，按照公式(1)更新觅食者的位置：

其中，表示第i只火烈鸟个体在第t+1次迭代火烈鸟种群中第j维的位置，表示第i只火烈鸟个体在第t次迭代火烈鸟种群中第j维的位置，表示在第t次迭代火烈鸟种群中适应度最好的火烈鸟的第j维位置，K表示扩散因子，且K是遵循自由度为n的卡方分布的随机数，G₁和G₂是遵循标准正态分布的随机数，ε₁和ε₂随机化为-1或1。

5.根据权利要求1所述的基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，步骤6中，按照公式(2)更新迁徙者的位置：

其中，表示第i只火烈鸟个体在第t+1次迭代火烈鸟种群中第j维的位置，表示第i只火烈鸟个体在第t次迭代火烈鸟种群中第j维的位置，表示在第t次迭代火烈鸟种群中适应度最好的火烈鸟的第j维位置，w是一个自由度为n的高斯随机数。

6.根据权利要求1所述的基于改进火烈鸟搜索算法的机器人路径规划方法，其特征在于，步骤7具体包括：

每只火烈鸟个体作为一个萤火虫个体，计算本次迭代种群中所有萤火虫个体的适应度，并根据适应度排序得出本次迭代的最优萤火虫个体X_best，根据公式(3)计算每个萤火虫个体的吸引度：

其中，β₀表示最大吸引度，为常数；γ为光吸收系数；r表示两个萤火虫个体之间的距离；

根据公式(4)更新每个萤火虫个体的位置：

X_i'＝X_i+β·(X_best-X_i)+α·ε_i (4)

其中，X_i表示当前个体，X_best表示最优个体，X_i'表示更新后的个体，α·ε_i为随机扰动项，α为扰动的步长因子，ε_i为[-0.5，0.5]之间服从均匀分布的随机数向量。

7.基于改进火烈鸟搜索算法的机器人路径规划装置，其特征在于，包括：

环境建模模块，用于利用栅格法将机器人运行环境建模为栅格地图；

参数初始化模块，用于初始化种群大小P，最大迭代次数Iter_Max和第一部分迁徙火烈鸟的比例MP_b；

种群初始化模块，用于初始化种群，包括：在所述栅格地图中随机生成路径节点，每条路径由相同数量的路径节点组成，每条路径作为一个火烈鸟个体，P个火烈鸟个体构成初始种群X；

第一种群更新模块，用于利用反向学习策略对当前种群进行更新，包括：对种群的每个火烈鸟个体计算其反向解，各反向解组成反向种群Y，取X,Y中的前P个火烈鸟个体构成种群Z；

觅食者和迁徙者确定模块，用于根据种群Z中火烈鸟个体的适应度值确定觅食者和迁徙者；

位置更新模块，用于更新觅食者和迁徙者的位置；

第二种群更新模块，用于根据萤火虫算法进一步更新种群；

最优路径输出模块，用于输出机器人最优路径。