[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

说明书

本发明公开了一种基于改进遗传算法的移动机器人路径规划方法，步骤包括：使用栅格地图对机器人移动空间进行环境建模；设置算法参数并初始化种群；利用路径长度函数和平滑度函数构造适应度函数；引入精英保留策略，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；采用自适应交叉率和变异率对种群进行动态调整；判断进化次数是否达到最大，若是，则输出最优解，若不是，则重复上述步骤。本发明在应用于移动机器人路径规划时不仅增强了其寻找最优解的能力，而且提高了其收敛速度，减少了转弯次数。

技术领域

本发明涉及机器人领域，特别涉及一种基于改进遗传算法的移动机器人路径规划方法。

背景技术

移动机器人可通过人类的设计规划，使其替代人类进行一些危险复杂的工作。因此移动机器人的路径规划在机器人技术中显得尤为重要。近年来，国内外学者提出了多种算法用于解决移动机器人路径规划的问题，包括遗传算法、粒子群算法、人工势场法、蚁群算法等。其中，粒子群算法能实现快速收敛但可能陷入停滞；人工势场法计算较为简单，但可能抵达不了目标点；蚁群算法具有很强的鲁棒性但易陷入局部最优解。其中，遗传算法具有全局搜索的能力，然而陷入局部最优、收敛速度慢，优化稳定性差是其不可忽视的缺点。

发明内容

本发明解决的技术问题是：提高移动机器人在路径规划中的能力，解决其存在的不足。

为了解决上述问题，本发明的技术解决方案提出了一种基于改进遗传算法的移动机器人路径规划，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。

进一步的，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，