[发明专利]一种基于空地信息互补的无人车路径规划方法

权利要求书

1.一种基于空地信息互补的无人车路径规划方法，其特征在于，包括以下步骤：

基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，无人车获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；

根据修正补充后的栅格地图，建立以移动路径最短，或耗时最短，或消耗能量最少为约束的目标函数；

根据目标函数，通过改进型海鸥优化算法进行最优位置更新，确定最优海鸥位置；

根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果；

其中，所述改进型海鸥优化算法为：引入高斯映射初始化海鸥种群位置，并引入爬行动物搜索算法的位置更新机制替换原有的海鸥位置更新方式；所述改进型海鸥优化算法还包括，通过逐维度双向sine变异进一步进行最优位置更新；

所述引入爬行动物搜索算法的位置更新机制替换原有的海鸥位置更新方式，海鸥位置更新具体包括以下步骤：

海鸥的迁徙行为：

在迁移过程中，模拟海鸥群如何从一个位置移动到另一个位置，主要包括三个行为：避免碰撞，向最佳位置方向移动和靠近最佳位置；

为了避免与其他海鸥碰撞，采用附加变量A计算海鸥的新位置：

C_s(t)＝A×P_s(t)

A＝f_c-(t×f_c/Miter)

式中：C_s(t)为不与其他海鸥存在位置冲突的新位置，P_s(t)为海鸥当前位置，t表示当前迭代次数，Miter为最大迭代次数，A表示海鸥在给定搜索空间中的运动行为；f_c为控制系数，取值从2降到0；

在避免与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动：

M_s(t)＝B×(P_bs(t)-P_s(t))

B＝2×A²×r_d

式中：M_s(t)表示最佳位置所在的方向，P_bs(t)表示第t次迭代的最佳位置，B是负责平衡全局和局部搜索的随机数；r_d为[0,1]范围内的随机数；

海鸥移动到不与其他海鸥相撞的位置后，就朝着最佳位置的所在方向进行移动，到达新的位置：

D_s(t)＝|C_s(t)+M_s(t)|

式中：D_s(t)是海鸥的向新位置移动的距离；

海鸥的改进全局攻击行为：

海鸥在攻击猎物过程中，通过螺旋运动不断改变攻击角度和速度，螺旋运动行为表示为：

式中，r是每个螺旋的半径，θ是[0，2π]范围内的随机角度值；u和v是螺旋形状的相关常数，e是自然对数的底数；

引入爬行动物搜索算法的位置更新机制来改进海鸥位置更新方式，改进后的海鸥位置更新公式如下：

其中：

η_(j)(t)＝P_bs(j)(t)×P_(j)(t)

其中，P_s(j)(t+1)是第t+1次迭代后的海鸥P_s(t+1)的第j维的位置；P_s(j)(t)是第t次迭代后的海鸥P_s(t)的第j维的位置；P_bs(j)(t)表示当前第t次迭代后的最优位置P_bs(t)的第j维；D_s(j)(t)是海鸥的向新位置移动的距离D_s(t)的第j维；γ为[0,1]之间的随机数；rand为[0,1]之间的随机数；η_(j)(t)表示第t次迭代的海鸥P_s(t)的第j维的狩猎算子；ε是正数；R_(j)(t)是缩减函数，用于减少搜索区域；M(P_s(t))表示海鸥P_s(t)的所有与第j维的平均位置；n表示求解规划问题的维度；P_(j)(t)表示第t次迭代后海鸥的最佳解P_bs(t)和当前解P_s(t)的第j维位置的百分比差异；P_s(t)是第t次迭代后的海鸥位置；r₁和r₂是[1,N]之间的随机整数，表示第t次迭代后的第r₁个海鸥的第j维位置；表示第t次迭代后的第r₂个海鸥的第j维位置；UB_(j)和LB_(j)分别表示海鸥的第j维位置的上界和下界；ES(t)是进化因子，在整个迭代过程中，取值在2和-2之间随机递减；r₃表示[-1,1]之间的随机整数；α是一个敏感参数，用于控制迭代过程中狩猎合作的搜索精度；β是一个敏感参数，控制迭代过程中包围阶段的探索精度；

计算适应度值：

fitness(t)＝F_f(X(t+1))

式中，F_f(·)为计算适应度值时的适应度函数；

记录当次迭代中最优海鸥。