[发明专利]基于改进人工鱼群算法的机器人路径规划方法及装置

说明书

本申请提供一种基于改进人工鱼群算法的机器人路径规划方法及装置。该方法包括：获取机器人运动的起点位置和终点位置，并基于混沌初始化策略形成多个初始路径节点位置；基于多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置；根据起点位置、终点位置，以及最优路径节点位置和对应的多个插值点位置生成最优路径。本申请能够平衡全局搜索和局部搜索之间的矛盾，提高机器人路径规划的准确性，进而提高机器人工作效率、降低损耗。

技术领域

本申请涉及路径规划技术领域，具体涉及一种基于改进人工鱼群算法的机器人路径规划方法及装置。

背景技术

机器人路径规划即在已知环境中为机器人规划一条从起点到终点满足所有约束条件的路线。可以应用于室内外清洁、家畜饲喂、农作物施肥等众多领域。

路径规划通常基于经典算法和智能仿生算法。经典算法包括快速随机搜索树算法、人工势场法等，然而上述经典算法在路径规划中还存在实时性差、效率低等缺陷。智能仿生算法包括蚁群算法、粒子群算法、人工鱼群算法和遗传算法等，具有较强的鲁棒性，在路径规划中有突出的优势，然而上述智能仿生算法在全局搜索和局部搜索之间存在矛盾，影响最后的寻优效果，进而影响机器人路径规划的准确性，导致机器人工作效率低、损耗大。

发明内容

有鉴于此，本申请实施例提供了一种基于改进人工鱼群算法的机器人路径规划方法及装置，以解决现有的机器人路径规划方法在全局搜索和局部搜索之间存在矛盾，影响最后的寻优效果，进而影响机器人路径规划的准确性，导致机器人工作效率低、损耗大的技术问题。

第一方面，本申请实施例提供了一种基于改进人工鱼群算法的机器人路径规划方法，包括：获取机器人运动的起点位置和终点位置，并基于混沌初始化策略形成多个初始路径节点位置；基于多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置；其中，基于三次样条插值法，根据起点位置、终点位置和路径节点位置确定多个插值点位置，并基于多个插值点位置计算机器人运动的路径总长度，基于路径总长度构建目标适应度函数；根据起点位置、终点位置，以及最优路径节点位置和对应的多个插值点位置生成最优路径。

在第一方面的一种可能的实施方式中，基于多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，包括：以各初始路径节点位置作为各人工鱼的状态，并初始化人工鱼群的相关参数；基于目标适应度函数计算各人工鱼的适应度值，选取适应度值最小的前第一预设数量的人工鱼作为初始人工鱼群。

在第一方面的一种可能的实施方式中，相关参数包括人工鱼群的视野、步长、拥挤度因子和最大迭代次数；根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置，包括：步骤1、基于各人工鱼的当前状态和相关参数，对各人工鱼执行群聚行为、追尾行为和觅食行为中的至少一种，并基于执行至少一种行为后各人工鱼的适应度值中的最小值，确定各人工鱼的下一状态；步骤2、选取各人工鱼的下一状态对应的适应度值最大的前第二预设数量的人工鱼作为淘汰人工鱼群；对淘汰人工鱼群进行种群进化，得到淘汰人工鱼群中各人工鱼的进化状态作为淘汰人工鱼群中各人工鱼的下一状态；步骤3、根据各人工鱼的下一状态与各人工鱼的当前状态确定各人工鱼的最优状态，将各人工鱼的最优状态作为下次迭代中各人工鱼的当前状态；步骤4、对人工鱼群的视野和步长进行自适应更新；步骤5、重复执行上述步骤1至步骤4，直至达到最大迭代次数，根据各人工鱼的最优状态确定最终全局最优状态，将最终全局最优状态作为最优路径节点位置。

在第一方面的一种可能的实施方式中，种群进化表示为：