[发明专利]一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统

权利要求书

1.一种障碍环境下基于蚁蜂算法的机器人路径规划方法，其特征在于，所述障碍环境下基于蚁蜂算法的机器人路径规划方法包括：

将蜂巢和蜜源分别视为机器人路径规划过程的起点和终点，通过不同蜂群间的合作找到一条全局最优规划路径，并对应转化为栅格环境中信息素的增强值，为蚁群算法搜索提供先验知识；

评价待选择路径点的信息素强度值及距离因素，同时分析待选择点的可信度因素，进行蚂蚁对障碍环境下障碍的识别与分析；

对最优蚂蚁代表的局部最优路径p_l和全局最优蚂蚁代表的全局最优路径p_g信息素进行更新，对路径规划过程中信息素的正反馈进行搜索；

所述的障碍环境下基于蚁蜂算法的机器人路径规划方法具体包括：

步骤一，参数初始化，设置蜂群算法的参数；

包括种群规模SN，种群最大进化代数MEN，控制算法的收敛性迭达次数limit；设置蚁群算法的参数：包括蚂蚁数量N_a，信息素持久性ρ，路径权重c₁和c₂，权重系数α﹑β和γ；

步骤二，初始化环境信息分布；

使用栅格法进行环境设置，初始化各栅格点上的信息素；

步骤三，使用蜂群机器人路径规划方法得到一条全局最优路径，并对该路径转化为信息素的增强值，随后将蚁群置于起点S；

步骤四，执行蚁群路径移动；

每一只蚂蚁根据路径点选择策略选择下一个路径点；

若当前栅格到其相邻路径点上的信息素为0，则蚂蚁在当前栅格上继续选择其它相邻路径点，若周边无路径点可选择，则将当前栅格置为障碍栅格，并退回到上一个搜索的路径点；

步骤五，重复步骤四，直到整个蚁群都到达终点；

步骤六，根据信息素更新策略，按公式(9)和(10)更新各条路径上的信息素；

步骤七，若整个蚁群全部收敛到一条路径或是循环次数达到最大值，则循环结束，整个全局最优路径搜索过程结束，输出全局最优路径；否则转步骤四；

所述蜂群算法中个体适应值评价函数如下:

使用蜂群算法构建的系统中，每一只蜜蜂个体代表一条从初始点到终止点的路径，表示一只蜜蜂个体，其中，D表示个体的维数大小，个体的每一维表示一个栅格序号，且个体的第1维和最后1维分别表示初始点和终止点的栅格序号；将个体中每1维连接起来形成一条由起点到终点的路径，x=(1,2,5,9,10,20,21,27,40,45,60,78,89,90,93,96,100)表示从1到100的一条路径，中间经历2,5,9,10,20,21,27,40,45,60,78,89,90,93,96栅格序号；评价个体x_i的优劣中，定义如下个体适应值评价函数；

；

所述蜂群机器人全局路径规划算法的具体步骤如下：

1）使用栅格法进行环境设置，由此得到一个表示环境信息的二维数组ENV[][]；

2） 参数设置，种群规模为SN, 引领蜂和观察蜂为种群数量的一半，初始解数量FN=SN/2, 种群最大进化代数MEN,控制算法的收敛性迭达次数limit；

3）按以下公式随机生成SN个D维可行解；

其中，ub_j和lb_j分别是x_ij取值的上下限；

4 ）按以下公式计算各个蜜源的适应值；

其中，f_i(x_i)是待求解问题的目标函数值；

5） 设定循环计数器Count=1；包括：

a)引领蜂在蜜源x_i邻近区域搜索新的蜜源，根据下式产生新的解，计算适应值；

其中，k为随机生成，为[-1,1]之间的随机数；

b)对x_i和作比较，引领蜂采用贪心策略选择蜜源；

c)观察蜂根据下式计算选择密源x_i的概率P_i；

d)观察蜂根据概率P_i选择蜜源x_i, 并根据公式(4)在蜜源附近产生新的蜜源，计算新蜜源的适应值；

e)观察蜂根据贪心策略选择蜜源；

f)如果存在需放弃的蜜源，此时根据公式(2)随机产生一新的蜜源替代它；

g)记录本次迭达内最优值，并置Count=Count+1；直到 MEN等于Count；

h)输出最优解；

所述蚁蜂算法为：

（1）信息素及路径点强弱的表示:

对每一个栅格j计算栅格的可信度值，具体方式为：以栅格j为左上顶点，抽出由j的邻近三个栅格组合的模板;每个栅格对应一个系数,其中，k=1,2,3, 且，按公式(6)计算j模板内的信息素强度，即为j的可信度值；

其中,对应t时刻下路径点j和k之间的信息素值；

（2）路径点选择策略：

依转移概率按“赌轮法”选择路径点，每只蚂蚁在t时刻按下式由某个路径点移动相邻路径点的概率为:

其中，表示在t时刻由路径点i至路径点j上残留的信息量；D_ij为路径点i和j之间的欧式距离；为待选择路径点j的可信度值；为信息素的相对重要程度，为两栅格(i和j)之间距离信息的相对重要程度，为路径点j的可信度值；三个参数量满足以下关系式：

（3）信息素更新策略：

更新策略如下述公式所示：

其中，是一个介于0和1之间的常数，表示信息素物质的持久性；而表示信息素物质的消逝程度；L_c和L_w分别表示局部最优路径p_l和全局最优路径p_g的路径长度，Q为一常数；c1和c2分别表示局部最优路径p_l和全局最优路径p_g在信息素更新中的权重，且满足c₁+c₂=1，其中，1c₁, c₂0。

2.一种如权利要求1所述障碍环境下基于蚁蜂算法的机器人路径规划方法的系统。