[发明专利]基于强化学习蟑螂算法的机器人路径规划方法

摘要

本发明公开了基于强化学习蟑螂算法的机器人路径规划方法，该方法针对蟑螂的群体进行搜索，并根据信息素寻迹尾随的生物特性进行仿生，使用传统的栅格法完成环境建模，以到达终点的欧式距离作为启发信息，通过可行路径的长度的转换计算得到单元格信息素浓度，算法执行过程中信息素浓度动态实时更新，种群中蟑螂个体通过信息素实现信息交流完成个体之间的经验学习。本发明的方法融合强化学习策略的蟑螂仿生算法用于求解机器人路径规划，强化学习策略兼顾了蟑螂个体行进方向选择的正反馈性和随机性。

主权项

基于强化学习蟑螂算法的机器人路径规划方法，其特征是该方法包括如下步骤：步骤1：对工作空间建模，生成栅格地图，并完成栅格地图初始化，包括起点单元格S、终点单元格T和每个单元格初始信息素浓度；步骤2：在起点S生成一个规模为W的蟑螂种群，综合运用随机搜索与贪婪搜索，完成算法的初始搜索过程，并产生Q条可行路径；步骤3：根据步骤2所产生的Q条可行路，更新栅格地图中的信息素；步骤4：蟑螂个体通过强化学习策略，完成路径搜索；蟑螂记录搜索到的当前最优个体路径，根据最优个体路径动态实时更新栅格地图信息素浓度；通过个体最优路径实时更新种群最优路径；种群搜索过程中，引入淘汰机制，对于一定步数内仍未发现可行路径的蟑螂，其本次搜索行为将被终止，该蟑螂从起点从新搜索；步骤5：输出种群最优路径作为机器人的最终行进路径。