[发明专利]一种基于复杂网络的移动工具寻找最短路径的规划方法

说明书

本发明公开了一种基于复杂网络的移动工具寻找最短路径的规划方法,包括移动工具主体；所述移动工具主体包括移动工具的工作区域、惯性融合定位以及网络模块；所述移动工具的工作区域通过惯性融合定位来确定移动工具主体的位置；所述移动工具主体将当前环境的抽象图映射到网络模块中,本发明在传统的地图栅格的表示形式上，结合复杂网络，在更高维度进行计算，适用于二维平面，三维平面以及在非平面的情况下进行最短路径的规划，这样可以让机械设备在野外和室外等复杂环境下进行点对点之间最短路径的运动。本发明专利算法可移植性高，实用范围广泛。

技术领域

本发明涉及一种信息技术、自动化，具体涉及一种基于复杂网络的移动工具寻找最短路径的规划方法。

背景技术

在当前市场中，随着服务机器人逐渐占领市场，尤其是室内的机器人可以有着很大的市场份额，但是在室外的服务机器人当中，仍有许多市场和技术需要解决。相比于室内，室外的环境更复杂，需要解决的问题更多。

在传统上出现过许多的路径规划算法，主要分为局部路径规划算法和全局路径规划算法。例如模拟退火算法，是由KirkpatrickS于1983年提出的，源于物理退火的过程，基本思想就是利用随机优化问题求解过程与统计力学中热平衡问题的相似性，通过设定初温、初态和降温控制温度得到不断下降，结合概率突跳特性，利用解空间的邻域结构进行随机搜索。

第二种就是人工势场法，法由Khatib于1986年提出，属于一种虚拟方法，基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物对机器人产生斥力,目标点对机器人产生引力,引力和斥力周围由一定的算法产生相应的势,机器人在势场中受到抽象力作用,促使机器人绕过障碍物,朝目标点前进。

模糊逻辑算法模拟驾驶员的驾驶经验，将胜利上的感知和动作结合起来，根据实时的传感器信息，通过查表得到规划信息，从而实现局部路径规划。

近些年被常用于机器人的还有智能仿生算法，近年来,随着仿生算法的广泛应用,机器人局部路径规划技术取得了长足发展,特别是在局部路径优化方面。主要方法有人工神经网络算法、遗传算法、蚁群优化算法,粒子群算法。

基于行为的路径规划最具代表性的是1986年Brooks的包容式体系结构,其基本思想是把移动机器人所要完成的任务分解成一些基本的、简单的行为单元,机器人根据行为的优先级,结合本身的任务综合做出反应。在基于行为的机器人控制系统中,不同的行为要完成不同的目标,多个行为之间往往产生冲突,因此,涉及到行为协调问题。Tyrrell等人将行为协调机制的实现方法分为两类:仲裁机制和命令融合机制。

基于再励学习的路径规划算法是一种未知环境下的实时规划方法。它来源于行为心理学,其基本思想是采用了动物学习心理的“试错法”原理,强调在与环境的交互中利用评价性反馈信号进行学习,为实现具有自学习能力的智能系统提供了有效手段。由于再励学习通过与环境的直接交互进行学习,不需要环境模型和先验知识,也不需要样本训练数据,而且,能够方便地在线实现,因此,比较适用于未知环境模型的不确定系统。毛勇,李实,王家廞,等.基于再励学习的被动动态步行机器人[J].清华大学学报:自然科学版,2008,48(1):92-96提出一种基于再励学习的机器人步行控制方法,实验表明:利用学习训练的结果控制柔性驱动器在步行相转换时的动作,机器人可以实现稳定动态步行。