[发明专利]基于改进蚁群算法的移动机器人路径规划方法

说明书

本发明公开了基于改进蚁群算法的移动机器人路径规划方法，属于移动机器人控制领域。本发明首先通过K‑medoids算法对地图障碍物聚类分析，差异化初始信息素浓度，提升了前期收敛速度；然后对蚁群算法进行改进，通过引进自适应启发函数，根据待访问节点位置的不同对启发因子适当放大，以加快向目标点搜索的速度；设定双向搜索机制，将寻找目标点问题转化为两只蚂蚁相遇问题，提高了算法效率，从而提高了路径规划的速度。仿真数据说明本发明相比于现有的路径规划方案，机器人的最短路径长度缩短了5％，过程拐弯次数减少30％，收敛代数减少46.2％，因此本发明可更快速寻找到机器人的最短路径，且路径质量更优。

技术领域

本发明涉及基于改进蚁群算法的移动机器人路径规划方法，属于移动机器人控制领域。

背景技术

近年来，随着网购交易量的急剧增加，快递物流领域所能承受的压力也逐渐饱和。“智慧物流”概念旨在通过物联网、机器人、5G通信等技术，以提高物流分拣、运输、派发等环节的准确度和效率。在此背景下，面向智能仓储的移动机器人是行业迈向自动化的关键要素。

路径规划作为移动机器人实现自主导航的核心技术之一，是机器人领域的重要研究课题。它是指移动机器人在工作场景中按照既定的约束条件，寻找一条由起点至终点的最短可行路径，且过程安全无碰撞。目前解决全局路径规划问题的算法主要分为两类，包括深度优先搜索、A*算法、Dijkstra算法等传统算法，以及蚁群算法、粒子群算法、模拟退火算法等群体智能优化算法。

蚁群算法是一种通过随机搜索寻求问题最优解的启发式算法，其凭借正反馈机制、并行搜索、强鲁棒性、易扩展性等特点，适用于求解移动机器人路径规划问题。但是，传统蚁群算法存在前期收敛速度慢、易陷入局部极值、拐点多、精度差等不足，在求解移动机器人路径规划问题时，算法的效率和稳定性都无法满足要求。

因此，不少学者结合上述的实际问题对传统蚁群算法做了相关改进。马向华等人(马向华，张谦.改进蚁群算法在机器人路径规划上的研究[J].计算机工程与应用,2021,57(5):6.)提出了一种用于机器人路径规划的改进蚁群算法，在预规划路径基础上建立初始信息素矩阵，避免算法前期盲目搜索；将改进蚁群算法和A*算法有机融合，进一步提高蚁群算法的搜索方向性和收敛速度。该改进算法存在如下局限性：

一、为降低前期搜索的盲目性，将起始点和目标点连接，并提高该直线附近的初始信息素浓度。此做法未考虑地图中障碍物分布情况，可能会出现大批蚂蚁陷入死锁的情况；

二、参考A*算法，在传统蚁群算法的启发函数中引入当前节点到目标点的预估代价，一定程度上提高了收敛速度，但是算法效率仍有待提高；

三、在转弯时保留了斜角方向，在机器人实际运行时，会对精度造成影响。

综上，虽然该改进蚁群算法能够解决机器人的路径规划问题，在收敛速度和搜索效率上有一定改善，但同时也存在易陷入死锁、路径可行性差等问题，算法效率仍有待进一步提高。

发明内容

为了解决目前的路径规划方法存在的路径可行性差、易陷入死锁、搜索效率较低等问题，本发明提供了一种基于改进蚁群算法的移动机器人路径规划方法，所述方法包括：

步骤1：将移动机器人的工作环境视作二维平面坐标系，利用栅格法将所述工作环境构建为静态栅格地图；

步骤2：利用聚类算法对所述静态栅格地图做预处理，地图被划分为若干个聚类分区，定义疏通值和拥堵值来量化区域环境复杂度，使信息素浓度差异化；

步骤3：初始化各项参数，包括：种群数量M、信息素权重α、启发函数权重β、信息素挥发系数ρ，初始化禁忌表Tabu，并设置最大迭代次数K；