[发明专利]一种多目标同时优化的服务机器人路径规划方法

说明书

本发明适用于机器人领域，提供了一种多目标同时优化的服务机器人路径规划方法，包括：构建机器人作业环境模型；基于环境模型进行路径编码；初始化多目标萤火虫算法的参数；随机产生多条可达性路径(使每只萤火虫代表一条初始化可达性路径)；基于目标函数多维向量综合计算萤火虫个体的发光强度，借助Pareto支配关系评价种群个体的优劣程度；构建精英记录库保留进化过程中的非支配解，并以此引导进化库中个体的优化进程；采用适应网格划分策略维持种群个体的多样性；当算法的迭代次数达到预设上限时，输出最优解，完成路径规划。实施本发明，能够实现运行一次算法，得到多条互不支配的最优可达性路径，为服务机器人导航提供了多条路径选择。

技术领域

本发明属于机器人技术领域，尤其涉及一种多目标同时优化的服务机器人路径规划方法。

背景技术

路径规划是服务机器人完成服务任务的重要保障。当前，机器人的路径规划方法主要有基于模板匹配的路径规划方法、基于人工势场的路径规划方法、基于地图构建的路径规划方法和基于人工智能的路径规划方法等。尽管相关方法的研究已取得一定成果，但在实际应用中，仍然存在一定的局限性：多数的路径规划方法往往只追求单个性能指标的最优，比如路径长度最短，所获得的路径往往难以适应复杂动态环境。考虑到作业环境具有较强的动态性、异质性和复杂性等特点，服务机器人的路径规划通常需要考虑多项性能指标，比如路径长度、路径的安全性、路径平滑程度、机器人能耗等。研究表明，路径规划所涉及的多数指标之间往往是相互冲突的，采用单一的目标函数描述问题难以充分描述问题本质，因此，有必要基于多个目标函数分别表达且同时优化。

现有的多目标路径规划与优化方案可分为两类：一类是基于先验知识的优化决策方法，比如加权求和法、加权乘积法、目标规划法等。通常这类方法规划出的最优路径直接取决于目标函数权值的分配，不符合多目标优化问题的本质特征，也不能真实地反映系统运动意图和应用需求。另一类则是基于后验需求的优化方法，即求得Pareto解集后，根据当前应用的实际场景需求选取优化解，相关研究取得了良好的应用效果。

萤火虫算法通过模拟萤火虫群体个体的发光特性实现信息共享，亮度大的个体吸引亮度小的个体向它移动，从而引导整个虫种群不断地向更好的区域移动，完成优化过程。该算法调整参数少，且在全局寻优以及收敛性上展现出较高的效率和稳定性，并已广泛地应用于求解旅行商问题，装配序列规划、无人战斗机导航、求解置换流水线，地面自主车辆导航，乃至机器人路径规划等方面。然而，在单目标萤火虫进化算法中，可依据目标函数值描述萤火虫个体的发光强度，亮度值的大小表征着个体所代表解的优劣。不同于单目标求解问题，同时优化多个相互冲突的目标函数，其特征决定了原始的萤火虫算法无法直接应用到多目标求解问题之中，因此，迫切需要设计一种面向多目标同时优化的萤火虫进化算法。为此，需要解决两个问题，一是萤火虫亮度如何评价，二是如何分离、更新和管理进化过程中的非支配解。

发明内容

本发明实施例提供的一种多目标同时优化的服务机器人路径规划方法，旨在解决多目标路径规划中萤火虫亮度的评价机制、非支配解集的分离、更新和管理机制等关键问题。

本发明实施例是这样实现的，一种多目标同时优化的服务机器人路径规划方法，包括如下步骤：

构建作业环境模型：采用栅格法将机器人作业环境划分为一系列大小相等的栅格，所述栅格包括自由栅格和障碍栅格，对其中的边沿栅格进行扩展，设置其相应的梯度占有概率，构建具有较强可计算特性的环境描述模型；

初始化多目标萤火虫算法的参数：包括种群数量、算法迭代次数以及迭代过程中的其他条件参数；

随机生成萤火虫个体：根据所述栅格模型，从预规划路径的起点至目标点，借助环形选择窗口，基于高斯概率模型产生一系列中间路径节点，形成可达性初始路径，并将其编码成为一个可变长度有序点集，使每只萤火虫代表一条可达性初始路径；