[发明专利]一种基于改进蚁群算法的水下机器人路径规划方法

权利要求书

1.一种基于改进蚁群算法的水下机器人路径规划方法，其特征在于，该方法包括：

步骤1）首先采用优化后的栅格法对水下机器人运行环境地图建模；

步骤2）遗传算法及蚁群算法参数初始化；

步骤3）开始进行遗传算法的选择操作、交叉操作、变异操作和循环迭代操作；

步骤4）根据遗传算法的较优解与蚁群算法的初始信息素浓度共同作用作为蚁群算法的初始信息素浓度的分配；

步骤5）蚁群算法得到初始信息素浓度后通过基于排序的信息素更新方式进行每条路径的信息素更新，然后进行蚁群算法的循环迭代操作；

步骤6）统计蚁群算法的循环迭代次数，若为得到相应的较优解，则返回至步骤3），直至算出最优解；

步骤7）得到结果后通过平滑机制进行平滑处理得到最终输出结果。

2.根据权利要求1所述的基于改进蚁群算法的水下机器人路径规划方法，其特征在于，所述步骤1）中，对栅格法的优化包括：

步骤1.1）将三维环境进行某一横切面的二维建模；

步骤1.2）将未占满栅格不规则障碍物充满最小精度栅格；

步骤1.3）将障碍物的凹下空缺填充满，使得凹下障碍物作为一个整体，减少局部循环的死区。

3.根据权利要求2所述的基于改进蚁群算法的水下机器人路径规划方法，其特征在于，在所述步骤1）中采用优化后的栅格法地图建模上，在全局路径规划下，其栅格地图采用序号法分布，在已知起点为左上角1号栅格，终点为右下角最大栅格的前提下，所述步骤4）中的蚁群算法的初始信息素浓度为下式：

，式中，为从i栅格到j栅格的路径信息素浓度初始量，col为栅格地图的列数，通过该式的初始信息素浓度的调整使得蚁群中蚂蚁寻找下一节点时具有一定的倾向性。

4.根据权利要求3所述的基于改进蚁群算法的水下机器人路径规划方法，其特征在于，在所述步骤4中，遗传算法的较优解与蚁群算法的初始信息素浓度的共同作用包括：

步骤4.1）当蚁群算法每次循环完成后，将得到的最优解加入到遗传算法中去，使得遗传算法的迭代速度加快；

步骤4.2）将遗传算法得出的较优解与蚁群算法的初始信息素浓度公式融合调整相应参数从而更新下一次蚁群算法循环中初始信息素浓度的分配。

5.根据权利要求3所述的基于改进蚁群算法的水下机器人路径规划方法，其特征在于，在所述步骤5)中,基于排序的信息素更新方式是以每个蚂蚁按照不同的等级进行信息素的释放，蚂蚁按照它们寻找路径的长短来排名，且越短排名越靠前，蚂蚁释放信息素的量与排名相乘，每次循环只取排名为前w-1的蚂蚁和精英蚂蚁才能在途径过的路径上释放信息素,排名第r的蚂蚁与系数“w-r”相乘，已知当前最优路径的蚂蚁与系数w相乘，基于排序的信息素更新方式可表示为下式：

，，式中，为已知最优路径的信息素强度，是排名为r的蚂蚁的寻找路径长度。

6.根据权利要求5所述的基于改进蚁群算法的水下机器人路径规划方法，其特征在于，在所述步骤7）中，平滑机制为：

当水下机器人经过障碍物时，在接近障碍物时采用圆弧转弯来代替原来的折线，其中采用的圆弧的圆心角为30°，对应的圆半径为。