[发明专利]一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法

权利要求书

1.一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，包括：

S1、对工作环境进行处理；

S2、对哈里斯鹰算法进行初始化，结合处理后的所述工作环境获取哈里斯鹰种群初始化位置；

S3、计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值，基于所述适应度值，获取猎物位置；

S4、通过非线性能量因子，获取猎物逃逸能量，根据所述猎物逃逸能量执行搜索阶段和开发阶段，并更新所述猎物位置；

S5、判断当前迭代次数，若当前所述迭代次数达到最大迭代次数则输出全局路径，否则，迭代次数加1后返回S3；

S6、获取所述全局路径中的关键节点和路径信息，基于所述关键节点、所述路径信息和curvefit(v,ω)子函数的轨迹评价函数，获取动态窗口法的评价函数并选取所述评价函数中最优轨迹的运动信息进行局部路径规划；

S7、判断机器人是否到达目标点，若到达则结束导航，否则，返回S6重新对所述机器人进行局部路径规划。

2.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S1对工作环境进行处理包括：

将所述工作环境分割成大小相同的方块，对搜索范围、起点、终点和障碍物信息进行限定。

3.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S2对哈里斯鹰算法进行初始化包括：

初始化所述哈里斯鹰算法种群数量、迭代次数、搜索维度；

利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置。

4.如权利要求3所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置的方法包括：

获取路径起点，基于所述路径起点，利用所述方形邻近扩散的方法搜索至地图边界或终点，获取所述哈里斯鹰种群位置初始化的搜索维度；

基于所述搜索维度，获取所述哈里斯鹰种群初始化位置。

5.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S3中获取猎物位置包括：

选择欧式距离为适应度函数，通过所述适应度函数计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值；

选取所述哈里斯鹰个体位置的适应度最小值，所述适应度最小值为猎物位置。

6.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S4中通过非线性能量因子，获取猎物逃逸能量E的方法为：

其中，E₀表示猎物的初始能量，t表示算法当前迭代次数，T表示算法最大迭代次数。

7.如权利要求6所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S4中根据所述猎物逃逸能量执行搜索阶段和开发阶段，并更新所述猎物位置的方法包括：

当所述猎物逃逸能量|E|≥1时，执行所述搜索阶段，在所述搜索阶段根据发现和未发现猎物两者状态更新所述猎物位置；

当所述猎物逃逸能量|E|1时，执行所述开发阶段，在所述开发阶段根据所述猎物逃逸能量和在规定范围内逃脱的可能性，分别采取硬包围、硬围攻、软包围和软围攻四种策略更新所猎物位置。

8.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S5中若当前所述迭代次数达到最大迭代次数则输出全局路径之后还包括：利用共线和跳点删除冗余节点，优化所述全局路径。