基于蟻群算法的移動機器人路徑規劃方法的一種改進的制作方法
【技術領域】
[0001] 本發明涉及移動機器人路徑規劃技術領域，涉及到移動機器人路徑規劃收斂速度 的快慢，具體涉及一種移動機器人路徑規劃方法及其算法。
【背景技術】
[0002] 隨著人類社會的不斷發展和生活空間的不斷擴大，移動機器人在國防、抗震搶險、 防災救災、反恐、現代軍事武器、制造業以及日常生活的應用越來越廣泛，因此必須對移動 機器人的動態路徑進行更為有效的規劃。隨著移動機器人技術的迅速發展，應用范圍的不 斷擴大，使得人們對機器人各方面的性能提出了更高的要求。科學家們通過不懈努力，提出 了多種移動機器人種路徑規劃算法，蟻群算法便是其中的一種。它是根據自然界螞蟻覓食 的行為提煉出來的，由于自然界的螞蟻在覓食的過程中會在走過的路徑上留下一種稱為信 息素的化學物質，且經過該路徑的螞蟻越多，在上面留下的信息素也越多（忽略揮發掉的 那一部分），同時也證明該路徑較其他路徑更為優越，其他的螞蟻也能感知到這種物質且朝 著信息素濃度高的地方移動。但由于起始時蟻群中每一只螞蟻的運動是隨機性的，雖然在 算法初期可以通過信息素的作用的使其向著最優路徑方向移動，但是當群體規模越來越大 時，尋找最優解的效率就不是很明顯了，從而使搜索時間冗長，因此使得算法的收斂速度很 慢。
[0003] 綜上所述，現有技術中存在如下技術問題：由于傳統蟻群算法自身的局限性使得 算法的收斂速度較慢，要求提高算法的收斂速度。

【發明內容】

[0004] 本發明的目的在于提供一種移動機器人路徑規劃方法，解決蟻群算法由于自身的 局限性而導致的收斂速度慢的問題，將傳統蟻群算法中的參數用粒子群算法進行優化后找 到一組最優解，且用遺傳算法保證其不會陷入局部最優，再將上述參數中的其他參數保持 不變，對信息素濃度進行成倍放大，使不同路徑上的信息素濃度差異更加明顯，從而提高算 法的收斂速度。
[0005] 針對以上上述現有技術問題和發明目的，本發明提出一種移動機器人路徑規劃方 法，包括如下步驟：
[0006] (1)尋找環境最短路徑；
[0007] (2)當機器人在前進中檢測到將與環境中的動態障礙物相碰，則視最短路徑上離 動態障礙物安全的柵格為局部目標點；
[0008] (3)確定動態障礙物的運動范圍；
[0009] (4)機器人沿著信息素濃度大的柵格前進；
[0010] (5)得到一條避開動態障礙物且經過指定點的最優路徑。
[0011] 進一步地，步驟（1)中所述環境為機器人的工作環境，將該工作環境劃分為 20X20的柵格，每個柵格的長和寬都為10個單位。
[0012] 進一步地，步驟（1)中按狀態轉移概率公式尋找環境最短路徑。
[0013] 進一步地，步驟（1)中用蟻群算法尋找環境最短路徑。
[0014] 進一步地，所述蟻群算法采用如下算法步驟：
[0015] a.參數用粒子群算法進行優化后找到一組最優解，且用遺傳算法保證其不會陷入 局部最優；
[0016]b.將上述參數中的其他參數保持不變，對傳統蟻群算法中各個路徑上的信息素濃 度進行成倍放大，使不同路徑上的信息素濃度差異更加明顯；
[0017] c.加速螞蟻朝著信息素濃度高路徑移動，從而提高算法的收斂速度。進一步地，步 驟（3)中通過傳感器收集信息從而確定動態障礙物的運動范圍。進一步地，步驟a中蟻群 算法中種群個數為25,最大迭代次數為100,用粒子群算法對改進蟻群算法的重要參數進 行優化，粒子的個數為30,迭代次數的最高上限為50,慣性衡量值w為0. 625,影響機器人自 適應學習功能的參數cdPc2都選為1. 501。
[0018] 進一步地，步驟b中，由粒子群算法尋找到改進蟻群算法重要參數的最優組合放 大倍數Μ取為3。
[0019] 進一步地，步驟c中，坐標系以X軸向右為正方向，y軸向上為正方向，單位為像素， 靜態障礙物假定為方塊，假設動態障礙物是長和寬分別為10個單位的正方形塊，動態障礙 物沿y軸向上做速度為10單位/秒的勻速直線運動。
[0020] 與目前現有技術相比，本發明解決了蟻群算法由于自身的局限性而導致的收斂速 度慢的問題，將傳統蟻群算法中的參數用粒子群算法進行優化后找到一組最優解，且用遺 傳算法保證其不會陷入局部最優，再將上述參數中的其他參數保持不變，對信息素濃度進 行成倍放大，使不同路徑上的信息素濃度差異更加明顯，從而提高算法的收斂速度。
【附圖說明】
[0021] 圖1為本發明的方案流程圖。
[0022] 圖2為本發明蟻群算法原理圖。
【具體實施方式】
[0023] 下面根據附圖對本發明進行詳細描述，其為本發明多種實施方式中的一種優選實 施例。
[0024] 在一個優選實施例中，一種移動機器人路徑規劃方法，包括如下步驟：尋找環境最 短路徑；當機器人在前進中檢測到將與環境中的動態障礙物相碰，則視最短路徑上離動態 障礙物安全的柵格為局部目標點；確定動態障礙物的運動范圍；機器人沿著信息素濃度大 的柵格前進；得到一條避開動態障礙物且經過指定點的最優路徑。蟻群算法采用如下算法 步驟：參數用粒子群算法進行優化后找到一組最優解，且用遺傳算法保證其不會陷入局部 最優；將上述參數中的其他參數保持不變，對傳統蟻群算法中各個路徑上的信息素濃度進 行成倍放大，使不同路徑上的信息素濃度差異更加明顯；加速螞蟻朝著信息素濃度高路徑 移動，從而提高算法的收斂速度。
[0025] 優選的蟻群算法參照圖1，蟻群算法中種群個數為25,最大迭代次數為100.用粒 子群算法對改進蟻群算法的重要參數進行優化，粒子的個數為30,迭代次數的最高上限為 50,慣性衡量值w為0. 625,影響機器人自適應學習功能的參數cdPc2都選為1. 501。由粒 子群算法尋找到改進蟻群算法重要參數的最優組合放大倍數Μ取為3,坐標系以X軸向右為 正方向，y軸向上為正方向，單位為像素，靜態障礙物假定為方塊，假設動態障礙物是長和寬 分別為10個單位的正方形塊，動態障礙物沿y軸向上做速度為10單位/秒的勻速直線運 動。
[0026] 參照圖2, 一個優選的移動機器人路徑規劃方法可以包括如下步驟：初始化一更 改禁忌表且按狀態轉移概率公式選擇路徑一確定移動方向一求信息素增量一參數優化及 避免陷入局部最優一對信息素濃度成倍放大一判斷中止準則。
[0027] 在另一個優選實施例中，方案可以如下：用改進的蟻群算法對移動機器人路徑進 行規劃，對傳統蟻群算法中個路徑上的信息素濃度進行成倍放大，使各條路徑上的信息素 濃度差別更加明顯，加速螞蟻朝著信息素濃度高路徑移動，從而解決了傳統蟻群算法收斂 速度慢的問題。
[0028] 用蟻群算法尋找環境最短路徑的過程中，按狀態轉移概率公式選擇路徑，如果機 器人在前進中檢測到將與環境中的動態障礙物相碰，則視最短路徑上離動態障礙物安全的 柵格為局部目標點，通過傳感器收集信息確定動態障礙物的運動范圍，機器人沿著信息素 濃度大的柵格前進，以最短的時間，尋找一條避開動態障礙物且經過指定點的最優路徑。
[0029] 將機器人的工作環境劃分為20X20的柵格，每個柵格的長和寬都為10個單位，蟻 群算法中種群個數為25,最大迭代次數為100,用粒子群算法對改進蟻群算法的重要參數 進行優化，粒子的個數為30,迭代次數的最高上限為50,慣性衡量值w為0. 625,影響機器人 自適應學習功能的參數cdPc2都選為1. 501。
[0030] 由粒子群算法尋找到改進蟻群算法重要參數的最優組合放大倍數Μ取為3,坐標 系以X軸向右為正方向，y軸向上為正方向，單位為像素，靜態障礙物假定為方塊，假設動態 障礙物是長和寬分別為10個單位的正方形塊，動態障礙物沿y軸向上做速度為10單位/ 秒的勻速直線運動。
[0031] 在另一個優選實施