[发明专利]一种基于鲸鱼优化算法和人工势场法结合的路径规划方法

权利要求书

1.一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：包括以下步骤：

S1：建立地图环境模型，初始化鲸鱼优化算法并设置算法的参数；根据适应度函数获取鲸鱼在所有位置上的适应度值；确定鲸鱼种群初始个体最优位置与全局最优位置；

S2：更新鲸鱼优化算法的参数；

S3：根据鲸鱼个体位置的更新公式迭代更新每个鲸鱼的个体位置，利用地图模型得到移动机器人从起始点到目标点的可行路径参数，规划每只鲸鱼可行的初始路径；

S4：计算鲸鱼在新位置上的适应度值并与原来位置相比较，若新位置优于原位置，则更新种群的个体最优位置和全局最优位置；

S5：判断鲸鱼优化算法是否达到最大迭代次数，若是则执行步骤S6，若否则执行步骤S2～S4；

S6：通过鲸鱼优化算法得到全局最优位置，选择一条适应度值最小的鲸鱼路径作为移动机器人路径规划的最优路径，得到一系列离散路径点；

S7：在局部路径规划中，采用改进后的人工势场法对离散路径点进行优化求解，得到局部最优解，路径规划结束。

2.根据权利要求1所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S1中，具体步骤为：

S11：设种群规模为N，则第i只鲸鱼在d维空间中的位置为：

确定鲸鱼初始个体最优位置和全局最优位置的方法为：

S12：将第一次迭代时每只鲸鱼的位置设为初始个体最优位置，

计算并比较每只鲸鱼个体的适应度值，取适应度值最小的鲸鱼个体位置为全局最优位置。

3.根据权利要求2所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S2中，具体步骤为：

设当前迭代次数为t，最大迭代次数为t_max，构造收敛因子a为：

设r为[0，1]上的随机向量，收敛因子a在迭代过程中从2线性减小到0，则通过收敛因子a计算系数向量A为：

A＝2a*r-a。

4.根据权利要求3所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S3中，根据鲸鱼的捕食行为，鲸鱼优化算法对鲸鱼个体位置的更新方式包括收缩包围、螺旋捕食和随机搜索。

5.根据权利要求4所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S3中，具体步骤为：

S31：设ρ为[0，1]内的随机数，若ρ≥0.5时，算法采用螺旋捕食方式更新鲸鱼个体位置，设第i只鲸鱼与目标间的距离为D＝|X^*(t)-X(t)|，对数函数生成的螺旋线的形状参数为b和l，b为对数螺旋形状的常数，l是[-1，1]内的随机数；则

鲸鱼个体位置的更新公式为：

X(t+1)＝X^*(t)+D*e^bl*cos(2πl)；

S32：若ρ＜0.5且|A|＜1时，算法采用收缩包围方式更新鲸鱼个体位置，设迭代过程中当前最优个体为X^*(t)，设系数向量C为：

C＝2r；

则鲸鱼个体位置更新公式为：

X(t+1)＝X^*(t)+A*|C*X^*(t)-X(t)|；

S33：若ρ＜0.5且|A|≥1时，算法采用随机搜索方式更新鲸鱼个体位置，设从当前群体中随机选择的个体位置矢量为X_rand(t)，则鲸鱼个体位置更新公式为：

X(t+1)＝X_rand(t)-A*|C*X_rand(t)-X(t)|。

6.根据权利要求1所述的一种基于鲸鱼优化算法和人工势场法结合的路径规划方法，其特征在于：所述的步骤S7中，具体步骤为：

将鲸鱼优化算法所得的离散路径点两两一组分别作为人工势场法的起点和终点，使移动机器人从整个任务的起点运动到终点；在局部路径规划中，机器人在运动空间中任意位置的移动方向由机器人的势场合力的方向决定并进行避障。