[发明专利]基于自学习蚁群算法的条形机器人路径规划方法

说明书

本发明公开了基于自学习蚁群算法的条形机器人路径规划方法，其特征是该条形机器人路径规划方法包括以下步骤：步骤1环境建模；步骤2初始化阶段；步骤3初始搜索；步骤4全局更新栅格地图信息素；步骤5自学习搜索；步骤6输出规划路径。本发明针对蚁群算法计算过程做了较大改进，引入了自学习策略，对栅格法环境建模做了特殊处理，所使用的栅格法使蚁群算法在无需对障碍物单元格膨胀处理的情况下处理条形机器人路径规划问题，提供一种新的最短路径计算法，在蚁群算法中融合机器学习的思想，并有效结合信息素、启发信息、正反馈、贪婪搜索等方法提高蚁群算法路径规划的效率，条形机器人可根据自身外形完成穿越狭窄通道，以实现最短路径规划。

技术领域

本发明涉及一种基于自学习蚁群算法的条形机器人路径规划方法。

背景技术

蚁群算法是一种基于群智能的仿生算法，在科研和工程领域中有着广泛的应用。蚁群算法的基础是概率计算，这类计算方法不能保证每次计算一定得到最优解，但能够以较高的效率得到相对优的问题解。在精度要求不高的工程领域中，大部分情况下相对优的问题解是可以接受的，这也是蚁群算法得到广泛研究和应用的主要原因之一。

机器人路径规划是机器人领域的主要研究方向之一。已存在的各类基于栅格法环境建模的机器人路径规划方法中，移动机器人通常被建模为栅格地图中的某个单元格，机器人的具体外部形态不被考虑。如果考虑移动机器人的外部形态，已有的做法通常是对栅格地图中表示障碍物的单元格做膨胀处理。由于膨胀后的单元格被视为障碍物单元格，因此这样的做法虽然可以有效避免碰撞，但也会造成栅格密度低或可行单元格数量大幅减少，直接影响算法的计算效果。此外，基于蚁群算法的机器人路径规划方法中，蚁群算法较少具备自学习能力，因此算法的效率和稳定性都有待提高。

发明内容

针对上述问题，本发明的目的是：设计一种基于自学习蚁群算法的条形机器人路径规划方法，该方法针对蚁群算法计算过程做了改进，引入了自学习策略，对栅格法环境建模做了处理，所使用的栅格法使蚁群算法在无需对障碍物单元格膨胀处理的情况下处理条形机器人路径规划问题；路径计算方面，提供一种新的最短路径计算法，是在蚁群算法中融合机器学习的思想，并有效结合信息素、启发信息、正反馈、贪婪搜索等方法提高蚁群算法路径规划的效率，移动条形机器人根据自身外形完成穿越狭窄通道，以实现最短路径规划。

为实现上述目的，本发明采取以下技术解决方案：

步骤1、环境建模：将真实机器人工作空间转化为密度为m×n栅格地图，以实现计算机存储；在栅格地图中标记好可行单元格、障碍物单元格、出发点单元格S和目标点单元格T；

步骤2、初始化阶段：确定条形机器人的姿态；在栅格地图出发点单元格初始化一个规模为G的种群；初始化每个单元格的信息素为θ＝1/(m×n)；

步骤3、初始搜索阶段：当蚂蚁个体Ant_i行进至某一单元格时，将综合条形机器人的姿态信息和栅格地图中的障碍物信息建立可行域；当蚂蚁个体Ant_i的可行域中发现了目标单元格，则建立一条可行路径；当种群搜索到C条可行路径后，选出长度最短的一条作为算法当前最优解P_best，计算C条可行路径长度的平均值L_ave，初始搜索结束；

步骤4、全局更新栅格地图信息素阶段：根据生成的C条可行路径，使用贪婪选择策略，更新整个栅格地图信息素；