[发明专利]基于粒子群和差分进化算法的移动机器人路径规划方法

权利要求书

1.一种基于粒子群和差分进化算法的移动机器人路径规划方法，其特征在于：该方法包括以下步骤:

步骤一、地图构建：获取移动机器人自身所在位置信息以及目标点坐标信息，同时获取障碍物信息进行地图构建，形成地图模型，获取环境信息；

步骤二、初始化路径参数：包括移动机器人起始点Start、终点坐标Goal，路径节点、最大迭代次数T、加速度因子；

步骤三、随机初始化粒子群参数：包括维度D、种群粒子数N、位置X、速度V；

步骤四、设计路径规划目标函数：根据路径规划的需求，设计评价指标，构建目标函数，进行路径适应度值fit计算，并确定最大适应度值fit_max和最小适应度值fit_min；

步骤五、改进传统粒子群算法：通过引入企业治理思想、加入自适应调整权重和加速度系数来改进传统粒子群算法；基于计算的路径适应度值，计算个体最佳位置，局部最佳位置，全局最佳位置，选举管理者粒子Adm，从而优化并更新速度V和位置X，生成更优的精英种群；

所述优化并更新速度和位置的公式如下：

1)惯性因素：ω^*·V_i^t

速度更新公式(1)的第一项为惯性因素，为自适应惯性权重ω^*和第t代的第i个粒子的速度V_i^t的乘积，其中惯性权重的概念与传统粒子群原理相同；

2)个体最佳位置：

公式(1)的第二项计算出第i个粒子迭代至第t代时的当前位置与该粒子的个体最佳位置P_i^t之间的距离，乘以第一个加速度因子c₁和随机数r₁∈[0,1]；

3)局部最佳位置：

表达式(1)中第三项计算出第i个粒子迭代至第t代时的当前位置与该粒子在对等组区域内的最佳位置的距离，乘以第二个加速度因子c₂和随机数r₂∈[0,1]；

4)全局最佳位置：

表达式(1)中第四项计算出第i个粒子迭代至第t代时的当前位置与粒子群全局最佳位置Adm^t的距离，乘以第三个加速度c₃和随机数r₃∈[0,1]；其中Adm^t为第t代管理者粒子所在位置，基于投票理念产生；

设投给经营权粒子Operator的票数Opvote初始值为投所有权者粒子Owner的票数Owvote为进而使得投票数产生偏差，其中投票机制通过轮盘赌算法实现，每个粒子均进行投票，为[0,1]范围内的随机数，管理者粒子Adm的选择如下：

其中，表示第i个粒子给定维度d迭代至第t代作为管理者粒子的位置；

5)表达式(2)中第t+1代第i个粒子位置等于第t代第i个粒子位置和乘以第四个加速度因子C₄和随机数r₄∈[0,1]的速度V_i^t+1之和；

步骤六、对差分进化算法进行改进：将传统差分进化算法中的两个参数：缩放因子F和交叉概率因子CR，调整为自适应参数，以提高算法的收敛性能和迭代精度；

步骤七、利用步骤五获取的精英种群作为改进差分进化算法的初始种群，结合自适应参数的缩放因子F和交叉概率因子CR，进行变异操作、交叉操作、选择操作，实现粒子群的迭代优化，并更新粒子群的Adm

步骤八、判断适应度值fit是否小于最小适应度值f_min，即fit＜fit_min：若是，结束并输出优化路径；否则，返回步骤四；

步骤九、对输出优化路径进行平滑处理。

2.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其特征在于：所述步骤四中的设计评价指标包括安全程度、路径长度。