[发明专利]一种基于鸽群算法的机器人路径规划方法

权利要求书

1.一种基于鸽群算法的机器人路径规划方法，其特征在于，包括以下步骤：

建立包含不确定性的轨迹预测模型：

设规定区域内起始点和目的地之间共有i个需要改变移动方向的位置，整个路径轨迹的路径由i+1个路径组成，路径长度依次为d₀,d₁,…d_i，则建立路径轨迹函数为L，L如式(1)所示，

其中，(x_i,y_i)为点的坐标，N为点的个数；

建立机器人从O(0，0)出发，使达到A的最短时间路径模型，其中已知最大速度V₀＝5个单位/秒；

机器人转弯时，最大转弯速度为其中ρ是转弯半径，并有ν为增函数，且有νν₀恒成立，则可知行走路径应尽量减少走圆弧，且时间由走两段直线加圆弧的时间之和；

确定规划区域内的待优化路径；

采用鸽群算法对待优化路径进行优化获取最优路径，输出d₀,d₁,…d_i。

2.如权利要求1所述的一种基于鸽群算法的机器人路径规划方法，其特征在于，在鸽群算法中，采用虚拟的鸽子模拟导航过程，依据赌徒和指南针算子的原理，初始化鸽子的位置和速度，并且在多维搜索空间中，鸽子的位置在每一次迭代中都会得到更新，其位置和速度分别记为式(2)和(3)所示,

X_i＝[x_i1,x_i1,…,x_i1] (2)

V_i＝[v_i1,v_i1,…,v_i1] (3)

其中，i＝1,2,...,N；

每个鸽子根据式(4)和(5)更新位置和速度：

V_i^Nc＝V_i^Nc-1e^-R*Nc+rand(X_gbest-X_i^Nc-1) (4)

X_i^Nc＝X_i^Nc-1+V_i^Nc (5)；

其中，R为地图和指南针算子因数，其取值范围设定为(0，1)；rand是取值范围在(0，1)的一个随机数；N_c为目前迭代次数；X_gbest是在N_c-1次迭代循环后，通过比较所有鸽子得位置得到的全局最优位置，当迭代次数所达到所预先设定好的值后就停止地图和指南针算子的工作，然后进入地标算子继续进行工作。

3.如权利要求2所述的一种基于鸽群算法的机器人路径规划方法，其特征在于，当地图和指南针算子更新完成后，鸽群算法进入第二个阶段的地标算子，在进入地标算子后，每一次迭代后鸽子的数量都会减少一半，那些远离目的地且不具有识路功能的鸽子就会被舍弃，因为这些鸽子被认为不具备分辨路径的能力，因而被舍去，X_center表示剩余鸽子的中心位置，X_center的位置将会被当做地标，即作为飞行的参考方向，在地标算子的公式更新为式(6)：

在鸽群算法中的地标算子鸽群减半，即为式(7)，

在鸽群算法中的地标算子位置更新为式(8)，

X_i＝X_i^Nc-1+rand(X^Nc-1_center-X_i^Nc-1) (8)，

鸽群算法对于最小化问题描述为式(9)，

鸽群算法对于最大化问描述为式(10)，

F(X_i^Nc-1)＝fitness(X_i^Nc-1) (10)，

在最大化问题和最小化问题中fitness(X_i^Nc-1)0，在地标算子的迭代次数达到最大迭代次数后，地标算子也停止了工作。