[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

说明书

技术领域

本发明涉及一种基于改进蚁群算法的泊车系统路径规划方法，属于AGV路径规划技术领域。

背景技术

汽车保有量的急剧增加伴随着泊车位供应不足与泊车位需求过剩矛盾日益凸显，造成了城市交通拥挤、停车困难等社会问题，成为制约城市经济和社会发展的瓶颈。而基于AGV平面移动式智能停车库的出现，则很好地解决了这一难题。与传统平面车库和机械式立体车库相比，该智能车库具有停车占地面积少、有效存车数量多、车辆存取自动化程度高、性价比高以及安全可靠性高等优点，可实现无人自动存取车、AGV自动充电以及车库自动计费等诸多功能。研究平面移动式智能停车库的核心是解决AGV存取车路径规划问题。目前，针对路径规划问题，国内外相关学者已做了大量研究工作，并相继提出了禁忌搜索算法、模拟退火算法、遗传算法以及粒子群算法等。这些算法都有各自的优点，但也存在诸多缺陷，如算法复杂、易陷入局部最优、搜索空间大以及搜索效率等。

蚁群算法是由意大利学者Dorigo.M等人于20世纪90年代通过观察自然界蚂蚁觅食行为而提出的一种现代仿生进化算法，该算法具有较强的鲁棒性，易于实现并行处理，以及易与其他启发式算法结合等优点，被广泛用于解决不同领域的优化问题，诸如旅行商问题、路由问题、车间调度问题以及车辆和机器人路径规划问题等，并取得了不错的效果。但该算法也存在程序运行时间长、收敛速度慢以及易陷入局部最优等缺陷。为解决智能停车库AGV存取车路径规划问题，增强算法全局搜索能力，提高路径搜索效率，加快算法收敛速度，缩短搜索路径长度，本发明提出了一种基于改进蚁群算法的泊车系统路径规划方法。

本发明提出的一种基于改进蚁群算法的泊车系统路径规划方法与张丽等提出的一种改进蚁群算法优化支持向量机参数的方法存在本质的区别。两者的相同点均是在基本蚁群算法的基础上，通过分析经典蚁群算法的优缺点，分别提出采用不同的优化策略对经典蚁群算法进行了改进，并将改进蚁群算法用于解决生产实际问题。不同点在于，张丽等提出的改进蚁群算法是通过在目标函数解中找出其最大值和最小值，并在此基础上通过采用不同的全局信息素更新公式分别对全局最优解和全局最差解进行了强化和弱化。采用该方法虽然能提高寻求最佳组合的速度和准确率，但其搜索过程会存在一定的盲目性、搜索路径会出现偏差、收敛速度慢以及易陷入局部最优解等缺陷。而本发明综合考虑了传统蚁群算法搜索盲目性、收敛性能差以及易陷入局部最优等缺陷，通过引入新的节点状态转移概率和信息素局部和全局相结合的更新策略来实现对传统蚁群算法的优化改进。采用本发明有助于强化蚂蚁对路径搜索的目的性，确保蚂蚁在路径搜索过程中更具指导性，同时还可增强算法的全局搜索能力，改善算法的收敛性能等。

发明内容

为解决智能立体停车库中AGV存取车路径规划问题和克服传统蚁群算法收敛速度慢、易陷入局部最优解等缺陷，本发明提供了一种基于改进蚁群算法的泊车系统路径规划方法。本发明与传统蚁群算法相比，可有效提高路径搜索效率、降低算法收敛代数、缩短搜索路径长度、减少路径转折次数及大幅度提高搜索路径质量。

本发明提供的基于改进蚁群算法的泊车系统路径规划方法主要有三个部分组成：采用栅格法创建智能停车库中AGV的工作环境模型；通过引入新的节点状态转移概率和信息素局部和全局相结合的更新策略对传统蚁群算法进行优化改进；运用改进蚁群算法对AGV存取车路径规划过程进行仿真测试并输出结果。

为实现上述目的，本发明所采用的技术方案为基于改进蚁群算法的泊车系统路径规划方法，具体包括如下步骤：

步骤1、采用栅格法创建智能车库中AGV的运行环境模型，具体内容如下：

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；

步骤2、初始化蚁群算法各参数