[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

说明书

本发明涉及一种基于改进麻雀搜索算法(DCLS_SSA)的路径规划方法及系统，包括将地图分割为障碍区和非障碍区；确定路径规划的起点和终点后，使用Bernoulli混沌映射选取导航点初始化路径；通过数学分析将机器人路径长度建模为相应的适应度函数，使用改进麻雀搜索算法来优化这些导航点从而寻找最短路径；本发明的路径导航点选择方式能够确保初始路径有充足的多样性利于寻找最优路径，使用改进麻雀搜索算法进行优化，有效防止路径规划陷入次优解，提高了规划最优路径的可靠性。

技术领域

本发明涉及路径规划领域，特别是涉及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。

背景技术

路径规划是机器人应用的一个重要分支和基本研究内容。其研究方向主要有未知环境的路径规划和已知环境的路径规划。未知环境情况下主要是借助传感器对环境做出判断，重点在于实时避障。而已知环境的则不同，因为环境已知所以避障相对容易，但是路径往往很多甚至无数，怎样在如此多的路径中找出需要的或者说是最好的路径成了对已知环境下路径规划的重点研究内容。

为了解决这样问题，近20年来学者们不断的将智能优化算法和一些决策方法引入到其中。比较常见的有遗传算法，粒子群算法，灰狼算法等，但是这些算法并没有完全满足路径规划的需求。遗传算法由于算法本身原理问题致使局部搜索能力较差，且容易“早熟”即陷入局部最优，在增加搜索能力的同时带来的计算负担也成几何增长。粒子群算法因为粒子的每一次更新只依赖于自身历史最优和当前种群最优解，虽然这样计算量小而且收敛速度快，但这也使得其搜索能力较差容易陷入局部最优，搜索范围较小并且在路径规划方面对于初始化的优劣有着很强的依赖性。灰狼算法提出较晚并且其原理模仿了狼群的种群制度和捕猎方式，其更新方式不止考虑了全局最优的头狼还考虑了两个次优解这使得灰狼算法的搜索能力在本质上相对于粒子群算法有了很大的提升，虽搜索能力不及遗传算法但其收敛速度和计算压力都优于遗传算法，可以说是遗传算法和粒子群算法的一个折中。

近年来不少新的智能优化算法不断被提出，比较流行的有2020年提出的麻雀搜索算法(Sparrow Search Algorithm,SSA)。该算法受到麻雀觅食行为和反捕捉行为的启发，相比起遗传算法、粒子群优化算法、灰狼优化算法，麻雀搜索算法有着参数少、收敛速度快和计算简单的优点，但在求解路径规划问题时容易“早熟”，导致收敛效果不佳。

发明内容

本发明的目的是提供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，实现对机器人路径的精确规划。

为实现上述目的，本发明提供了如下方案：

一种基于改进麻雀搜索算法的机器人路径规划方法，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；