[发明专利]一种基于改进麻雀搜索算法的机器人路径规划方法及系统

权利要求书

1.一种基于改进麻雀搜索算法的机器人路径规划方法，其特征在于，所述路径规划方法包括：

设定地图的边界，种群个数n，发现者个数，路径的导航点个数d，最大迭代次数iter_max，最大警戒者个数h_max以及安全值；

确定路径的起点和终点；

在所述路径的起点和终点之间生成d-2个非障碍区导航点，连接所述起点、所述d-2个非障碍区导航点以及所述终点，生成完整路径；

将所述完整路径的路径属性建模成相应的适应度函数；

根据所述适应度函数计算所有路径n的适应度值；

寻找出当前适应度值最小的路径，存储为群体最佳位置，并将所有路径n存储为个体历史最优路径；

通过改进的麻雀搜索算法确定新的路径位置信息；

判断所述新的路径位置信息是否超出所述地图的边界，若超出，则将所述新的路径位置信息设置在地图边界上，并计算新的路径位置信息的适应度值；

判断所述新的路径位置信息的适应度值是否小于群体最优或个体历史最优，小于谁，则将谁替换为新得到的路径位置，并存储替换后的位置信息，若不小于，则不进行替换；

判断是否达到最大迭代次数，如果达到，则停止计算，并将最后存储的群体最佳路径位置信息作为最优路径。

2.根据权利要求1所述的基于改进麻雀搜索算法的机器人路径规划方法，其特征在于，所述相应的适应度函数的表达式如下：

其中，x和y为一条路径上所有导航点的x、y坐标值，ω、θ、为比例常数，f₁(x,y)为路径长度，f₂(x,y)为导航点分布评价函数，f₃(x,y)为路径平滑度评价函数。

3.根据权利要求2所述的基于改进麻雀搜索算法的机器人路径规划方法，其特征在于，所述ω＝0.8，θ＝0.1，

4.根据权利要求1所述的基于改进麻雀搜索算法的机器人路径规划方法，其特征在于，所述通过改进的麻雀搜索算法确定新的路径位置信息具体包括以下步骤：

将所有路径按适应度值进行升序排列，根据预设比例确定发现者个数和跟随者个数；

对发现者位置进行更新，发现者位置更新公式为：

对发现者位置进行更新，发现者位置更新公式为：

其中，为第t次迭代下发现者i第j维的位置，为第t+1次迭代下发现者i第j维的位置，为当前迭代最优位置的第j维的位置，iter_max是最大迭代次数，α是一个随机数，R₂是一个随机数代表着报警值，ST代表安全值，c(p,j)为以p为参数，j为迭代次数的Bernoulli混沌映射结果，p为Bernoulli混沌映射概率参数，p∈(0,1)，j表示每次迭代产生一个混沌数，c(p,j-1)表示为以p为参数，j-1为迭代次数的Bernoulli混沌映射结果，a是动态调整参数a＝0.2+(0.5-0.2)*t/iter_max，fit(·)为适应度函数，min(fit[·])为贪婪策略选择适应度最小的个体，Q是服从正太分布的随机数，d是维度数；

对跟随者的位置进行更新，跟随者位置更新公式为：其中，表示为第t+1次迭代下跟随者i第j维的位置，为适应度最差位置，为发现者中适应度最优位置，n为种群个数，A⁺为更新比重行向量A⁺＝A^T(AA^T)^-1，其中，A是一个1×d的行向量，为比重行向量的第j维，每一个元素都是随机分配1或-1，A^T为A的转置；

随机选取种群中的h个体进行预警位置更新，预警者位置更新公式为：其中，预警者个数h随着迭代的进行线性减小h＝int((1-t/iter_max)*h_max)+2，int(·)表示取整，h_max为最大预警个体数，为适应度最优位置的第j维，β是一个1×d的向量，每一个元素都是均值为0方差为1的随机数，K是一个1×d的向量，每一个元素都是取值范围[0,1]的随机数，f_i为个体i的适应度值，f_g和f_w分别是最优和最差适应度值，ε为常数。