[发明专利]一种基于优化萤火虫算法的移动机器人路径规划方法系统

说明书

本发明属于机器人路径规划技术领域，公开了一种基于优化萤火虫算法的移动机器人路径规划方法及系统，对标准FA算法的目标函数与萤火虫移动方式进行优化，提出ADFA算法；选用二元非线性目标函数作为寻优对象，对ADFA算法进行寻优测试；采用栅格法来建立移动机器人路径规划的环境模型，利用优化后萤火虫算法对移动机器人的路径进行规划。本发明提出的ADFA算法能有效的应用于移动机器人路径规划的问题上，具有运算能力快的优点，能非常快速的找到一条规避障碍物的最短路线，使得标准FA算法能够很好的处理易陷入局部最优解的问题，并且ADFA算法相对于蚁群算法具有更加优越的计算能力，具有很好的研究价值和意义。

技术领域

本发明属于机器人路径规划技术领域，尤其涉及一种基于优化萤火虫算法的移动机器人路径规划方法及系统。

背景技术

目前，最接近的现有技术：路径规划是指在确定性环境或未知环境中，移动机器人根据自身携带的传感器感知周围环境，在避开障碍物的前提下，按照设定的路径规划算法寻找一条从起始点到目标点的无碰撞最优路径。根据路径规划环境是否随时间变化来分，可以将移动机器人的路径规划分为静态已知环境的路径规划和动态未知环境的路径规划，静态路径规划也被称作全局路径规划，动态路径规划被称作局部路径规划。

目前主流的移动机器人路径规划问题都采用与群智能算法相结合的方式。这其中以人工势场法、遗传算法、蚁群算法最为典型。其中人工势场法的基本思想是把机器人所在的环境虚拟成一个存在力的地方，并把这种力分成引力和斥力。机器人的运动由引力与斥力所产生的合力控制，从而避开障碍物到达目标点找到路径。遗传算法的基本思想是效仿达尔文生物进化论，针对自然选择和遗传时发生的交叉、变异及遗传现象进行仿真，融合优胜劣汰的自然法则，根据结果得出每一代的候选解，最终从得出的候选解中得出最优解。蚁群算法的基本思想是模拟蚂蚁觅食行为，在寻路的过程中蚂蚁会分泌信息素，随着大量蚂蚁个体不断搜索，最优路径上的信息素越来越多，最终整个蚁群会找出一条最优路径。这些算法都有各自的优点和缺点。

2008年，来自于剑桥大学的Yang Xin-She教授提出效仿萤火虫在自然界中的发光特性，基于发光较弱的萤火虫总是会靠近发光较强的萤火虫的特点提出了一种新型的群智能算法-萤火虫算法。萤火虫算法是一种自然启发式算法，模拟萤火虫的闪烁求偶行为。由于萤火虫算法的概念简单，思路清晰，易于实现，因此被广大学者用于各种优化问题的求解上。

综上所述，现有技术存在的问题是：现有技术运用萤火虫算法在一定程度上解决了群移动机器人在路径规划上的寻优问题，但是现有的移动机器人的路径规划方法并没有成功实现障碍物上的完全规避。

现有技术中，机器人在局部环境下，易陷入计算瘫痪的问题；而且现有技术的机器人反应速度过慢，计算速度过慢。

解决上述技术问题的难度：现有技术算法模型过于复杂，导致很难对算法模型进行优化；算法在计算过程中容易陷入一个局部最优解状态。

解决上述技术问题的意义：本发明能够提高算法的精度和收敛速度，改善算法的运算能力与寻优能力；优化后的算法能够提高机器人的计算能力与反应速度

发明内容

针对现有技术存在的问题，本发明提供了一种基于优化萤火虫算法的移动机器人路径规划方法及系统。本发明以静态全局路径规划为基础研究移动机器人在路径规划方面的问题。

本发明是这样实现的，一种基于优化萤火虫算法的移动机器人路径规划方法，所述基于优化萤火虫算法的移动机器人路径规划方法包括以下步骤：

步骤一，对标准FA算法的目标函数与萤火虫移动方式进行一系列优化，提出自适应动态萤火虫算法，即ADFA。

步骤二，ADFA算法以标准FA算法为基础，通过自适应参数优化策略对标准FA算法中的参数进行优化改进。

步骤三，选用二元非线性目标函数作为寻优对象，在MATLAB矩阵实验室中对ADFA算法进行寻优测试。