[发明专利]一种基于改进蚁群算法的泊车系统路径规划方法

权利要求书

1.一种基于改进蚁群算法的泊车系统路径规划方法，其特征在于，包括如下步骤：

步骤1、采用栅格法创建智能车库中AGV的运行环境模型；

步骤2、初始化蚁群算法各参数：

需要初始化的参数包括：AGV的起点和终点位置、蚂蚁数量m、迭代次数的初始值NC和最大值NC_max、信息素轨迹重要程度影响因子α、节点转移期望程度因子β、信息素挥发系数ρ及常数Q；

步骤3、通过引入新的距离启发函数对节点状态转移概率进行改进，并对路径信息素进行局部更新；

步骤4、通过引入信息素局部和全局相结合的更新策略对信息素更新方式进行改进，并对路径信息素进行全局更新；

步骤5、判断迭代次数是否满足要求，若满足要求，则输出结果，否则，则转至步骤3。

2.如权利要求1所述的方法，其特征在于，步骤1中，包括如下具体步骤：

1-1)、对AGV及运行环境作如下处理：(a)AGV运行环境须简化为二维有限空间；(b)假设运行环境中的障碍物位置已知，可用多边形表示，且忽略其高度方向；(c)假设AGV在二维有限空间中匀速运行，忽略其转向、举升及短时驻停等因素；(d)AGV简化为一质点；(e)AGV只能走直线，不能走栅格的对角线；

1-2)、利用智能车库及AGV自带的摄像头、雷达传感器、红外线传感器及激光传感器等采集AGV运行环境信息，上述信息包括AGV的起始车位、目标车位、障碍物以及AGV待充电位置等；

1-3)、以上述操作采集的环境信息作为建模数据，采用栅格法创建AGV二维运行环境模型。

3.如权利要求1所述的方法，其特征在于，步骤3中，具体内容如下：

3-1)、为提高蚂蚁对路径搜索的目的性，提高算法的全局搜索能力和搜索效率，将下一节点j和目标节点g间欧氏距离的倒数作为启发函数；

传统蚁群算法的距离启发函数如下：

d(i,j)=(xi-xj)2+(yi-yj)2]]>

η_ij＝1/d(i,j)

式中，x_i,y_j和x_j,y_j分别表示i、j两节点的坐标值；d(i,j)表示节点(i,j)间的欧式距离；η_ij表示当前节点i和下一节点j间的期望值；

改进蚁群算法的距离启发函数如下：

d(j,g)=(xj-xg)2+(yj-yg)2]]>

η_jg＝1/d(j,g)

式中，x_j,y_j和x_g,y_g分别表示j、g两节点的坐标值；d(j,g)表示节点(j,g)间的欧式距离；η_jg表示下一节点j和目标节点g间的期望值；

3-2)：将改进距离启发函数因子引入到节点状态转移概率计算公式

pijk(t)=[τij(t)]α·[1/d(j,g)]βΣs∈allowedk[τis(t)]α·[1/d(s,g)]β,j∈allowedk0,otherwise]]>

式中，表示蚂蚁k在i、j节点间的转移概率；allowed_k表示蚂蚁k可选节点集合；τ_ij表示蚂蚁k遗留在路径i,j上的信息素；

3-3)：如果某时刻蚂蚁k位于节点i，则其与下一节点j间的转移概率可由下式计算得到：

pijk(t)=[τij(t)]α·[1/d(j,g)]βΣs∈allowedk[τis(t)]α·[1/d(s,g)]β,j∈allowedk0,otherwise]]>

3-4)：由上式计算得到当前节点i与下一节点j转移概率的集合，结合轮盘赌法，确定下一节点j。；

3-5)：下一节点j确定后，需对蚂蚁刚走过的边i,j进行信息素局部更新，局部信息素更新公式如下：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+ρτ₀

式中，τ₀为初始条件下的信息素，ρ表示信息素挥发系数，ρ∈[0,1]。

4.如权利要求1所述的方法，其特征在于，步骤4中，具体内容如下：

4-1)、为确保蚂蚁在路径搜索过程中更具有指导性，增强算法的全局搜索能力和改善算法的收敛性能，通过引入新的信息素增量计算公式对全局信息素更新公式进行改进；

τ_ij＝(1-ρ)τ_ij+ρΔτ_ij

式中，τ_ij为蚂蚁遗留在路径i,j边上的信息素，ρ表示信息素挥发系数，取值范围为0,1；Δτ_ij为蚂蚁遗留在路径该条i,j边上的信息素增量；L_gb表示目迄今为止蚂蚁搜索到的最短路径长度；

4-2)、判断所有蚂蚁是否完成本次迭代路径搜索，若是，则转至步骤4-3)，否则转至步骤3中的3-3)；

4-3)、统计所有蚂蚁迄今为止所能搜索到的全部优化路径，选取其中长度最短的一条，计算在全局更新中蚂蚁遗留在该路径i,j边上的信息素增量，计算公式如下：

4-4)、将得到的路径信息素增量代入下式，并通过下式实现该条最短路径信息素的全局更新，

τ_ij＝(1-ρ)τ_ij+ρΔτ_ij。