[发明专利]一种基于改进樽海鞘群模型的机器人路径规划方法

说明书

本发明涉及路径规划技术领域，尤其涉及一种基于改进樽海鞘群模型的机器人路径规划方法，包括建立导航点地图模型，以路径最短为目标构建移动机器人路径代价函数和碰撞代价函数；构建改进樽海鞘模型；利用改进樽海鞘模型得到最优路径点。本发明建立一种以无碰撞障碍物区域并且使得产生的路径最短为目标函数模型，通过混沌初始化初始樽海鞘群、增加惯性权重和非均匀化变异等操作来改进原始算法，实现了算法开发和探索效率的平衡，最后将改进后的樽海鞘寻优算法与三次样条插值相结合，来较好的完成机器人路径规划问题。

技术领域

本发明涉及路径规划技术领域，尤其涉及一种基于改进樽海鞘群模型的机器人路径规划方法。

背景技术

樽海鞘算法是2017年澳大利亚学者提出的一种新型的群体智能优化算法；该算法模拟了海洋动物樽海鞘的群体觅食行为。机制简单易懂，操作方便、易于实现。目前已成为国内外大量研究者的热点研究方向。现在该算法已广泛应用于实际问题中。

但当前樽海鞘群算法也存在迭代后期无法准确搜索、种群多样性差等缺点，限制了算法的局部开发能力和整体探索能力。与其它智能优化算法相比，为了进一步提高该算法的求解精度和效率，需要改进樽海鞘群算法的优化求解策略。

发明内容

针对现有方法的不足，本发明建立一种以无碰撞障碍物区域并且使得产生的路径最短为目标函数模型，通过混沌初始化初始樽海鞘群、增加惯性权重和非均匀化变异等操作来改进原始算法，实现了算法开发和探索效率的平衡，最后将改进后的樽海鞘寻优算法与三次样条插值相结合，来较好的完成机器人路径规划问题。

本发明所采用的技术方案是：一种基于改进樽海鞘群模型的机器人路径规划方法包括以下步骤：

步骤一、建立导航点地图模型，以路径最短为目标构建移动机器人路径代价函数和碰撞代价函数；

进一步的，导航点地图模型是拟定机器人移动场景为平面空间，空间中有若干个静态障碍物，设置障碍物的圆心和半径。

进一步的，路径代价函数和碰撞代价函数的公式为：

F＝L+D；L表示路径消耗成本代价，定义如下：

其中，(x_i,y_i)代表当前路径点坐标，(x_i-1,y_i-1)代表上一次路径点坐标；D表示为碰撞代价，定义如下：

式中，δ代表权重系数，一般取100；r(d)表示第d个障碍物的半径；d表示障碍物个数。

步骤二、构建改进樽海鞘模型；

进一步的，具体包括：

步骤21、初始化种群位置；

通过混沌映射PWLCM方法进行逆映射得到种群的初始位置；其中，混沌映射PWLCM方法的公式为：

其中，ub和lb是搜索粒子的上下边界，为区间[0,1]的混沌序列，为产生的新樽海鞘搜索粒子；

步骤22、改进领导者位置更新；

进一步的，具体包括：

首先计算种群的个体适应值，将得出的最优适应值的个体设定为食物源位置F_p；领导者与追随者占种群数量的前后各一半，领导者用于带领群体朝向最优值移动，改进领导者更新公式为：

其中，表示樽海鞘个体i在探索空间中第t次迭代后的位置，F_p表示的是食物源的位置，ω为惯性权重；