[发明专利]一种基于改进遗传算法的移动机器人路径规划方法

权利要求书

1.一种基于改进遗传算法的移动机器人路径规划方法，其特征在于包括以下步骤：

步骤1：在栅格地图中对机器人工作空间进行环境建模；

步骤2：初始化算法参数及种群；

步骤3：计算个体适应度值；

步骤4：判断进化次数是否达到最大，若是，输出种群中的最优解，算法结束，否则转至步骤5；

步骤5：利用轮盘赌法选择父代个体；

步骤6：进行精英保留策略，即在进行轮盘赌选择时，将最优个体保留至下一代，继续进行交叉变异操作；

步骤:7：生成一个(0,1)之间的随机数，判断是否满足动态变化的交叉概率P_c，若满足转至步骤8，否则转至步骤9；

步骤8：对种群进行交叉操作，生成新的个体；

步骤9：生成一个(0,1)之间的随机数，判断是否满足动态变化的变异概率P_m，若满足转至步骤10，否则转至步骤11；

步骤10：对种群进行变异操作，生成新的个体；

步骤11：生成新一代种群，进化次数加一，转至步骤4。

2.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于在所述步骤2中包括如下步骤：

步骤2.1：初始化各项参数，将机器人置于初始位置；

步骤2.2：判断栅格是否连续，若不连续则用障碍物附近的自由栅格予以填补，连接成可行路径，其判断方法为：

Δ＝max{abs(x_i+1-x_i),abs(y_i+1-y_i)}

式中(x_i,y_i),(x_i+1,y_i+1)为两栅格对应的坐标；abs，max表示绝对值和最大值；当Δ＝1时，表示两栅格连续，否则，通过平均值法插入栅格，其计算方法为：

步骤2.3：若P_i’序号栅格附近均为障碍物栅格，则淘汰此条路径，重复上述步骤直至生成一条可行路径，

步骤2.4：当所有个体搜寻完毕时结束。

3.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于在所述步骤3中，适应度值通过适应度函数计算得到，适应度函数由路径长度函数及平滑度函数组成，其计算方法为：

fit＝a×fit₁+b×fit₂

式中，fit₁为长度函数，fit₂为平滑度函数，a、b分别为二者权重，计算方法为：

式中，Length为路径总长度，end为机器人行走步数，

式中，θ表示机器人在行进过程中转弯角度的大小，利用余弦函数判断其大小，对应给钝角、直角、锐角给予5、30、1000的惩罚。

4.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于在所述步骤7中的交叉操作中设有自适应调节的交叉概率计算公式，其计算方法为：

式中，P_c(i)表示交叉概率，i表示当前进化代数，M_g表示最大进化代数。

5.根据权利要求1所述的一种基于改进遗传算法的移动机器人路径规划方法，其特征在于在所述步骤9中的变异操作中设有自适应调节的变异概率计算公式，其计算方法为：

式中，P_m(i)表示变异概率，P_m(i)表示变异概率的上限。