[发明专利]一种基于改进蚁群算法的机器人全局路径规划方法

说明书

本发明请求保护一种基于改进蚁群算法的机器人全局路径规划的方法，属于移动机器人路径规划领域。该方法包括步骤：S1，机器人根据实际环境地图构建合适的栅格地图；S2，根据机器人构建的地图，对地图进行区域划分；S3，对划分的不同区域进行不均匀分层的初始化信息素浓度的赋值；S4，算法进行迭代，机器人根据不均匀分层的初始信息素浓度进行选择下一个路径节点；S5，算法进行多次迭代，每一次迭代后对算法的启发函数进行重新计算，然后计算选择下一个节点的概率；S6，算法每次迭代后对路径上的信息素浓度进行重新计算。本发明降低了算法搜索前期的盲目性，提高了算法的搜索速度。减少了迭代次数，能够有效减轻计算压力。

技术领域

本发明属于移动机器人路径规划领域，特别是一种不均匀分布信息素和动态更新启发函数与动态更新路径信息素浓度的方法。

背景技术

移动机器人的路径规划作为机器人研究中的重要对象，在于实现机器人由起点位置到终点处的无碰撞、代价最短的最优路径。路径规划中设计机器人对环境的建模和对最优路径的循迹。在工业、医疗、勘测等多个领域机器人路径规划发挥着巨大作用

机器人路径规划问题的研究中，对于机器人前期搜索具有盲目性和容易陷入局部最优，更甚者机器人找不到最短路径等问题，当前较多的采用智能仿生算法或者传统算法，或者将两者算法相结合来对机器人进行路径规划。杨立炜等考虑算法搜索前期具有较强的盲目性，提出初始信息素阶梯分布，按优化目标对路径上信息素浓度进行叠加，最后采用动态调整平滑路径，提高了算法的收敛速度。张子然等提出将环境信息融合到概率转移函数的双向搜索蚁群算法，使机器人选择复杂程度低，搜索区域较小的局部地图。算法能够减少路径拐点数，提高局部方向搜索的精度和全局搜索效率。Jiang Zhao等改进蚁群算法，提出初始化信息素浓度非均匀分布和带有方向性的选择策略，在信息素更新的同时也对信息素进行覆盖，改进后算法避免了重复的搜索。Zhuqing Jiao等在研究智能轮椅时，对蚁群算法采用自适应状态转移策略和信息素更新策略解决死锁等问题，改进后的算法避免了蚁群在求解过程中陷入局部最优的情况。然而改进后的算法仍然不同程度存在算法前期搜索具有较高盲目性，在算法的中后期机器人容易受到启发函数的影响，导致机器人容易陷入局部最优等问题，同时恒定的信息素挥发使得机器人进行路径规划时不具有方向性。为此，采用自适应的信息素更新和概率选择方法成为研究重点。通过动态更新启发函数从而改进概率选择函数和自适应的信息素挥发因子，使得机器人在搜索后期更加具有方向性；通过对初始化信息署进行不均匀分层，降低了机器人在搜索前期的盲目性。

CN110989612A，一种基于蚁群算法的机器人路径规划方法及装置，所述方法包括：建立栅格地图；输入初始的信息素，设置算法参数；将蚂蚁置于起点，计算当前状态转移概率；获取当前自适应阈值；当前状态转移概率与当前自适应阈值进行比较，根据比较结果选择蚂蚁行走的下一节点；更新路径及路径长度；重复上述步骤，直到蚂蚁达到终点；重复上述步骤，直到这一代的M只蚂蚁全部遍历；动态更新信息启发因子α、期望启发因子β以及信息素；重复上述步骤，直到迭代完成；对生成的路径进行优化处理；输出最优路径；本发明的优点在于：路径规划的收敛速度快，同时路径规划符合机器人实际的运动轨迹。该专利通过设置自适应阈值来调节蚂蚁对节点选择的概率，当所计算的概率大于所设定阈值时，则算法随机选择下一个节点；当所计算概率小于所设定阈值则采用轮盘赌法选择下一个节点，该专利虽然以设置阈值的形式来选择蚂蚁的下一个节点，但该专利仍存在蚂蚁在前期搜索时具有的盲目性，该专利只通过改进蚂蚁概率选择函数来使蚂蚁找到最优路径，其存在收敛速度慢、迭代次数高等缺陷。本发明针对蚂蚁前期搜索具有盲目性的缺陷，设置了一种初始化信息素不均匀分层分布的方法，该方法是通过在起点和终点的连线附近赋值较高浓度的信息素，能够使得蚂蚁在前期搜索时更具有方向性，克服了前期搜索是盲目性；本发明采用动态更新的启发函数，使得蚂蚁在搜索前期主要由启发函数主导，在搜索后期则减弱启发函数主动，取而代之的是路径上的信息素浓度，这种动态更新启发函数的方法更够加快算法后期的搜索速度；本发明最后采用一种动态更新的信息素挥发因子，由于到算法后期，蚂蚁越来越接近最优解，则后期减弱信息素挥发因子后，能够使最优路径上的信息素浓度大幅增加，加快算法的收敛速度并减少了蚁群的迭代次数。