[发明专利]一种基于势场蚁群算法的路径规划方法

摘要

本发明公开了一种基于势场蚁群算法的路径规划方法，针对蚁群算法前期搜索存在盲目性问题，引入人工势场法，使得目标点一开始就对蚂蚁的寻优做出引导作用，并且在整个寻优过程，目标点对蚂蚁的吸引力一直存在，这在一定程度上降低了蚁群前期搜索的“盲目性”，能够加快蚁群的收敛速度，同时也加强了算法全局搜索的能力；利用人工势场法计算下一可行节点到终点的距离综合构造启发信息，避免了蚁群在搜索中过早停滞，陷入局部最优；引入最优‑最差蚂蚁系统对全局信息素更新，这种将全局搜索与局部搜索相结合的方法，能够有效地加大算法的搜索效率；对算法规划的最优路径做平滑处理，能够取得更短的最优路径，更加符合实际环境的要求。

主权项

1.一种基于势场蚁群算法的路径规划方法，其特征在于：所述方法步骤如下：Step1：采用栅格法对机器人的工作环境进行建模；Step2：设置起始点S，目标点G，最大迭代次数N_cmax，利用单位矩阵初始化全局信息素；Step3：将m只蚂蚁置于起始点S，并将它们此时的位置加入禁忌表Tabu；在基于传统蚁群算法的基础上引入人工势场法，并利用其计算蚂蚁可能前往的下一节点j到目标点G的距离L_jG，综合构造启发信息函数；在启发信息函数和全局信息素的作用下，结合轮盘赌法计算t时刻蚂蚁k在节点i选择下一个节点j的状态转移概率选择蚂蚁下一个前往的节点j；蚂蚁到达下一节点j后，更新禁忌表Tabu，将节点j加入禁忌表；Step4：判断蚂蚁是否到达目标点G：若是，停止搜索，一次迭代结束；否则，继续按照Step3的方法搜索直到找到目标点；Step5：在一次迭代结束，所有蚂蚁到达目标点G后，依据最优‑最差蚂蚁系统原理，比较所有蚂蚁搜索到的路径长度，找到此次迭代的最优路径L_best和最差路径L_worst，更新全局信息素，清空禁忌表Tabu；Step6：判断当前迭代次数N_c是否到达最大迭代次数N_cmax：若是，输出最优路径；否则，转到Step3，直到N_c＝N_cmax；Step7：引入三次B样条曲线，对输出的最优路径作路径平滑处理；算法结束。