[发明专利]基于多子群的自适应信息反馈粒子群机器人路径选择方法

说明书

本发明属于机器学习技术领域，公开了一种基于多子群的自适应信息反馈粒子群机器人路径选择方法及系统，多样性评价策略采用多种多样性统一定义方式，对群体多样性从多个角度进行评价；通过综合分析适应度和空间性角度对粒子群体实施多子群划分策略，无需预先设定子群数目，可增强动态寻优过程的广域搜索效果；使用稀疏化处理策略调节子群体内部分布状况，使子群体内部粒子以一定概率远离局部中心粒子，从而在局部区域进行实时勘探过程,增强了子群体内部多样性水平。本发明有利于局部最优值的细致勘探和全局范围内的广域搜索，对测试问题的结果分析，本发明能有效应用于多维动态优化及机器人全局路径规划问题，方法简单易用，具有一定的实用价值。

技术领域

本发明属于机器学习技术领域，尤其涉及一种基于多子群的自适应信息反馈粒子群机器人路径选择方法及系统。

背景技术

随着智能优化技术的不断发展和普及，机器人技术已经逐步深入到人们的日常生活和工作的各个环境，在许多方面发挥着不可替代的作用。特别是在许多大规模高强度复杂环境下，利用机器人进行繁重或持续性较强工作，在很大程度上可以节约物质和人力成本，在提高工作效率的同时，为企业/行业带来直接的经济利润。机器人技术应用过程中，全局路径规划技术作为一类全局优化问题是移动机器人技术研究中的一项关键性技术，直接影响着机器人完成任务的质量。

目前，虽然存在着许多用来解决机器人路径规划问题的优化算法，但机器人路径规划方法采用的主要传统技术可概括为：基于自然语义算法的机器人路径规划方法(李新德, 张秀龙, 戴先中. 一种基于受限自然语言处理的移动机器人视觉导航方法[J]. 机器人, 2011, 33(06):742-749.)、基于特征映射联系的机器人路径规划方法(阮晓钢, 高静欣. 基于动态增减SOM图的机器人路径规划研究[J]. 控制工程, 2013(s1):61-64.)和基于人工势场法的机器人路径规划方法(张建英, 赵志萍, 刘暾. 基于人工势场法的机器人路径规划[J]. 哈尔滨工业大学学报, 2006, 38(8):1306-1309.)。这些技术均有各自的应用优势，在许多情况下可以结合使用提高机器人路径规划的效率（栗红生, 刘莹. 复杂路径下机器人路径规划优化方法仿真[J]. 计算机仿真, 2014, 31(01):407-411.)。然而，在机器人面临不同复杂的系统环境下，机器人路径规划问题作为一个具有NP难度的复杂性优化问题，其路径选择往往具有较强的随机性，路径的状态信息会因环境的变化呈现出多种不同的表达方式。使用传统的技术(如，人工势场法)进行机器人路径规划时，在复杂环境下对路径信息的描述往往会过于单一化，难以将路径状态信息及时与目标进行准确对应，容易导致机器人路径规划的不合理选择状态。