[发明专利]基于改进遗传算法的移动机器人路径规划方法

摘要

本发明涉及一种基于改进遗传算法的移动机器人路径规划方法及系统，本移动机器人路径规划方法包括如下步骤：步骤S1，环境建模；以及步骤S2，执行遗传算法以输出最优路径；本发明的移动机器人路径规划方法及系统加快机器人的搜索效率，避免陷入局部最优，提高了算法的性能，并且有效避免了局部最优解以及克服了传统遗传算法收敛速度慢的问题。

主权项

1.一种移动机器人路径规划方法，其特征在于，包括如下步骤：步骤S1，环境建模；以及步骤S2，执行遗传算法以输出最优路径；所述步骤S1环境建模，即对移动机器人的工作环境进行建模以建立坐标系，其方法包括：利用移动机器人自带传感器组采集工作环境信息，并进行地图建模；其中，将移动机器人作为质点，将移动机器人和障碍物按照二维坐标系建模，用尺寸相同的栅格划分二维工作空间，使移动机器人在该空间中自由运动；若某一栅格内有障碍物，定义此栅格为障碍栅格，否则为自由栅格；以及用序号对每个栅格编号，每个编号N都与其直角坐标一一对应，其映射关系为：N＝x+10y；或其中mod表示取余操作，int表示取整操作；所述步骤S2中执行遗传算法以输出最优路径的方法包括如下子步骤：步骤S21，执行种群初始化操作；步骤S22，计算个体的适应度值；步骤S23，执行选择、交叉、变异操作；步骤S24，执行路径优化策略；步骤S25，终止条件判定；以及步骤S26，输出最优路径；所述步骤S21中执行种群初始化操作的方法包括：从起始点出发，随机选取与起始点相邻的一个自由栅格作为下一路径点，该路径点与目标点距离最短，如此循环，一直找到目标点为止，且同一栅格有且只能经过一次，以获得一条初始路径，即产生一种群；所述步骤S22中计算个体的适应度值的方法包括：首先确定适应度函数，且选取路径长度、路径安全度和路径平滑度，即适应度函数如下：F(T)＝μ1D(T)+μ2S(T)+μ3L(T)  (1)；式(1)中，μ₁，μ₂，μ₃分别为路径长度、路径安全度、路径平滑度的权重系数；D(T)表示路径长度，其计算公式为：该式(2)中，d(k_i,k_i+1)表示节点k_i到节点k_i+1的距离；S(T)表示路径安全度，其计算公式为：该式(3)中，l_i表示第i条路径距离最近障碍物的距离；L(T)表示路径平滑度，计算公式为：该式(4)中，N(T)表示路径的转弯次数，表示路径l_i与路径l_i+1的夹角。