[发明专利]一种基于差分进化烟花算法的多机器人协同路径规划方法

摘要

本发明涉及一种基于差分进化烟花算法的多机器人协同路径规划方法，属于机器人导航与控制技术领域，目的在于提供一种有效的多机器人协同路径规划方法，可以较快地为多个机器人计算出性能较优的运动路径，保障多机器人安全的运行到各自的目标点。本发明在基本烟花算法的基础上增加差分进化火花，选取父代中多个烟花进行组合、变异操作生成新的火花，从而得到了多样性较高的个体以提高烟花群体的多样性，以此来使得算法具有了更好的搜索能力，且能够有效的避免陷入局部最小值。改进算法相比于基本的烟花算法，表现出了更好的优化性能，改进算法收敛速度更快、收敛精度更高，且规划出的路径更短、更平滑。

主权项

1.一种基于差分进化烟花算法的多机器人协同路径规划方法，其特征在于包括以下步骤：/n步骤一：建立以ST为X'轴的旋转坐标系X'-S-Y'，将起始点、目标点和障碍物的位置坐标转换到旋转坐标系中，其中机器人的起始点S、目标点T、各个障碍物在环境中的位置均为已知，环境中存在的障碍物个数为H，机器人规划出的路径为path＝{P₀,P₁,P₂,…,P_D,P_D+1}，其中P₀、P_D+1分别表示起始点P_S和目标点P_T，P_i表示第i个路径点；/n步骤二：运用D条平行直线簇L₁,L₂,…,L_D将ST垂直平分成D+1段，每段的距离为Δl＝||ST||/(D+1)，其中||ST||为ST的长度，路径点P₁,P₂,…,P_D即对应位于直线L₁,L₂,…,L_D上；/n步骤三：令迭代次数t＝1，初始化R组烟花，每组烟花个数为N，烟花维数为D，每组烟花表示为向量组其中，表示第r组第i个烟花，即对应第r个机器人的第i条完整的路径，i＝1,2…,N，表示第r组第i个烟花的第D个路径点；/n步骤四：计算R组烟花群体的适应度，分别保存每组中最优烟花、最优烟花适应度值和每个烟花对应的路径长度，所述的最优烟花是指适应度值最小的烟花；/n步骤五：计算每组中烟花的碰撞程度，即所有路径的碰撞程度，并将各组中较优的烟花保存到可行档案File中，不同组的可行档案File相互独立，所述的较优的烟花具体指碰撞程度由低到高的N_a个烟花，N_a的取值范围为3到8之间的整数值；/n步骤六：计算每组中烟花生成的爆炸火花数目和爆炸半径/n步骤七：对所有烟花进行爆炸操作，即在烟花中随机选择z个路径点，i＝1,2…,N，计算每个路径点对应的偏移量生成爆炸火花，即对应机器人新的完整路径；/n步骤八：将超出边界的爆炸火花映射到新位置，计算每个爆炸火花的适应度和碰撞程度，所述的超出边界指火花上的路径点超出了预设的规划空间的上下边界；/n步骤九：对所有烟花进行高斯变异操作，在烟花中随机选择z个路径点，i＝1,2…,N，计算每个路径点对应的变异参数e，生成高斯变异火花，即对应机器人新的完整路径。/n步骤十：将超出边界的高斯变异火花映射到新位置，计算每个高斯变异火花的适应度和碰撞程度。/n步骤十一：对所有烟花进行差分进化操作，生成差分进化火花，即对应机器人新的完整路径，将超出边界的差分进化火花映射到新位置，计算每个差分进化火花的适应度和碰撞程度。/n步骤十二：将每组中烟花、爆炸火花、高斯变异火花和差分进化火花对应组成R个Allfire数组。/n步骤十三：在每个Allfire数组中选取全局最优个体作为每组新一代的烟花。/n步骤十四：运用轮盘赌的方法在每个Allfire数组中选择N-1个个体，并与步骤十三中选取的烟花共同组成每组新一代的烟花X^r(t+1)。/n步骤十五：令t＝t+1，判断是否满足t＞iter。如果不满足，将新一代烟花X^r(t+1)返回步骤四进行迭代；如果满足，认为运算结束，输出每组最优的烟花。/n步骤十六：将R组最优的烟花转换到X-O-Y坐标系中，输出R条安全的路径。/n