[发明专利]基于自学习蚁群算法的条形机器人路径规划方法

摘要

本发明公开了基于自学习蚁群算法的条形机器人路径规划方法，其特征是该条形机器人路径规划方法包括以下步骤：步骤1环境建模；步骤2初始化阶段；步骤3初始搜索；步骤4全局更新栅格地图信息素；步骤5自学习搜索；步骤6输出规划路径。本发明针对蚁群算法计算过程做了较大改进，引入了自学习策略，对栅格法环境建模做了特殊处理，所使用的栅格法使蚁群算法在无需对障碍物单元格膨胀处理的情况下处理条形机器人路径规划问题，提供一种新的最短路径计算法，在蚁群算法中融合机器学习的思想，并有效结合信息素、启发信息、正反馈、贪婪搜索等方法提高蚁群算法路径规划的效率，条形机器人可根据自身外形完成穿越狭窄通道，以实现最短路径规划。

主权项

1.基于自学习蚁群算法的条形机器人路径规划方法，其特征是该条形机器人路径规划方法包括以下步骤：步骤1、环境建模：将真实机器人工作空间转化为密度为m×n栅格地图，以实现计算机存储；在栅格地图中标记好可行单元格、障碍物单元格、出发点单元格S和目标点单元格T；步骤2、初始化阶段：确定条形机器人的姿态；在栅格地图出发点单元格初始化一个规模为G的种群；初始化每个单元格的信息素为θ＝1/(m×n)；步骤3、初始搜索阶段：当蚂蚁个体Anti行进至某一单元格时，将综合条形机器人的姿态信息和栅格地图中的障碍物信息建立可行域；当蚂蚁个体Anti的可行域中发现了目标单元格，则建立一条可行路径；当种群搜索到C条可行路径后，选出长度最短的一条作为算法当前最优解Pbest，计算C条可行路径长度的平均值Lave，初始搜索结束；步骤4、全局更新栅格地图信息素阶段：根据生成的C条可行路径，使用贪婪选择策略，更新整个栅格地图信息素；步骤5、自学习搜索阶段：对蚂蚁个体Anti，根据合条形机器人的姿态信息和栅格地图中的障碍物信息建立Anti的搜索域，通过自学习搜索，完成Anti的下一步行进单元格选择，当Anti的搜索域中发现目标单元格，则建立一条可行路径Pi；如果Pi路径长度Lpi小于当前路径平均长度Lave，则更新Lave，进一步更新Pi路径上单元格的信息素；如果Pi路径长度Lpi小于当前最优路径Pbest的长度Lpb，则更新Pbest；步骤6、输出规划路径阶段：输出Pbest作为条形机器人的最终行进路径。