[发明专利]基于改进蚁群算法的移动机器人全局路径规划方法

说明书

本发明公开了一种基于改进的蚁群算法的路径规划方法,相对于传统蚁群算法,修改蚂蚁路径搜索策略以跳出部分特殊形状障碍物；修改传统蚁群算法概率选择公式中的启发函数，将目标节点信息加入启发函数中，加速算法收敛；修改传统蚁群算法概率选择公式中的挥发系数，将时间和空间信息加入挥发系数中，提高了算法的自适应性。通过以上改进之处,本发明能够有效减少蚁群算法收敛时间,提高运行效率。

技术领域：

本发明涉及人工智能领域，具体设计一种基于改进蚁群算法的移动机器人全局路径规划方法。

技术背景：

移动机器人路径规划是机器人学研究领域中的一个重要组成部分，其任务是在具有障碍物的环境内，按照一定的评价标准(工作代价最小、行进路线最短等)寻找一条从起始状态(包括位置和姿态)到目标状态(包括位置和姿态)、与障碍物无碰的最短路径。根据环境信息的已知程度不同，移动机器人路径规划又可分为环境已知的全局路径规划及环境未知的局部路径规划，全局路径规划主要分为两个问题，环境构建与搜索算法，目前，可视图法、栅格法等在环境构建中应用较多，对于搜寻路径最优的算法，比较流行的是A^*算法、遗传算法、蚁群算法等。

蚁群算法最早成功应用于解决著名的TSP(Travelling salesman problem)，该算法采用了分布式并行计算机制，易于和其他方法结合，而且具有较强的鲁棒性,因此，也常常将蚁群算法应用到移动机器人路径规划上，但是传统蚁群算法存在着前期搜索盲目性，收敛速度慢，易陷入局部最优点等问题，针对传统蚁群算法应用于机器人路径规划存在的局限性，许多专利也对算法做出过相应改进，如公开号CN107272679A的专利通过对路径拐点进行操作，减少冗余节点等的方式来改进蚁群算法；公开号CN108413963A的专利通过将机器学习思想融入蚁群算法中来改进蚁群算法；公开号CN108241375A的专利通过构建点对点自适应路径选择策略，以分段组合的状态转移优化方式来择优选择路径点的方式来改进蚁群算法，但是，以上专利并没有涉及对路径搜索策略的改进，目前，尚未见到与本发明相似的专利记录。

发明内容：

针对传统蚁群算法应用于机器人路径规划的局限性，本专利提出一种改进蚁群算法，修改算法路径搜索策略、启发函数以及信息素挥发系数，增强了算法的搜索效率，加速了算法的收敛，提高了算法的自适应性，一种基于改进蚁群算法的移动机器人全局路径规划方法，包括以下步骤：

(1)利用栅格法对地图环境进行建模，设置起点，终点以及障碍栅格；

(2)算法流程及各参数初始化；

(3)循环次数Nc＝Nc+1，k＝1；

(4)蚂蚁数目k＝k+1；

(5)蚂蚁个体根据状态转移概率公式计算的概率，使用轮盘赌法，选择下一步可行点并前进；

(6)修改禁忌表指针，既选择好可行点之后将蚂蚁移动到新的栅格，并把该点加入到此蚂蚁个体的禁忌表中；

(7)按改进的蚂蚁搜索策略进行路径搜索。按改进的蚂蚁搜索策略进行路径搜索，如果蚂蚁搜索到终点或陷入特殊类型障碍物中，返回步骤(4)；如果搜索既为搜索到终点，又没有陷入特殊类型障碍物，则返回步骤(5)；

(8)如果k>m，m为蚂蚁数目，既一次迭代过程中搜索的次数，按信息素更新策略更新路径信息素并返回步骤(3)；

(9)如果Nc>Nc_max，输出算法计算结果，算法结束。

采用上述技术方案的本发明，与现有技术相比，其突出的特点是：