[发明专利]一种基于改进蚁群算法和A*算法的履带车路径规划方法

说明书

本发明提供了一种基于改进蚁群算法和A*算法的履带车路径规划方法，该方法包括：获取车身周围障碍物位置信息，将规划区域进行网格切分，标记障碍物与可通过区域，构建栅格地图；设置蚁群算法相关参数、迭代次数、履带车的起始点和终点等参数；在优化蚁群算法作用下完成履带车的路径规划，结合履带车转弯时间代价函数，计算各路径的耗时，选择每轮迭代的最佳路径；达到最大迭代次数后得到耗时最短的最佳路径。本发明优化了蚁群算法的初始信息素浓度分布，可以提高初始搜索效率，从而较大的提升路径规划的时间。同时，为了更好地提高路径规划效率，缩短路径规划时间，本发明优化了蚁群算法的启发函数，使更适合于履带车的路径规划。

技术领域

本发明属于工业控制技术领域，具体涉及一种基于改进蚁群算法和A*算法的履带车路径规划方法。

背景技术

随着科学的进步和发展，机器人的研究已经是人工智能中的热门研究问题之一，其中，机器人路径规划的研究是机器人学的经典问题，机器人的路径规划是机器人选择路径是进行合理地决策。

目前，国内外学者对路径规划方面已经有一些经典的路径规划算法，如路径规划算法：Dijkstra算法、遗传算法、蚁群算法等从复杂环境中从起始点到终点找到一条无碰撞的最佳路径。其中，A*算法在路径规划方面的缺点是随着搜索的范围加大，对于计算量也是几何性的递增，优点为对环境反应迅速，并且搜索出的路径直接，启发函数计算方式简单高效，可以借鉴。蚁群算法的优点是由较强的鲁棒性、对于处理动态环境下的避障有着较好的效果，缺点是算法的收敛时间较长、容易陷入局部最优解。履带式无人车场应用于抗灾救援、太空作业、作战搜集、隧道检查等特殊应用场景，在这些场景中，都会以路径规划路程最短为目标。但是，由于大幅度转弯对履带的损坏较大，并且履带车的转弯时间长，履带车路径规划方面不能忽视。

发明内容

发明目的：为了解决传统蚁群算法在进行全局路径规划时，迭代次数多，收敛速度慢，容易陷入局部最优的情况，本发明目的在于提供一种基于改进蚁群算法和A*算法的履带车路径规划方法，使得履带车的路径规划算法的迭代次数更少，收敛速度加快，并且考虑履带车的转弯时间，最终获得耗时最短的最佳路径。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于改进蚁群算法和A*算法的履带车路径规划方法，包括如下步骤：

(1)获取车身周围障碍物位置信息，将规划区域进行网格切分，并根据障碍物位置信息将网格进行障碍物与可通过区域的标记，构建栅格地图；

(2)设置初始参数，包括蚂蚁数量、信息素启发因子、初始信息素浓度、期望启发因子、信息素挥发常数、最大的迭代次数、履带车的起始点S和终点E；

(3)将蚂蚁放在起始点S的位置上，并将起始点S的位置加入禁忌表中；

(4)在优化蚁群算法作用下进行履带车的路径规划，其中对于每个时刻t，要计算t时刻蚂蚁k在当前节点i选择下一个节点j的概率并前往下一个节点；当蚂蚁k到达下一个节点j的时候，将节点i加入到禁忌表中；其中概率采用的启发函数基于A*算法中的自适应比例进行优化，蚂蚁k每次在选择下一个节点时，会预估当前节点与终点E之间的距离，与终点E近的节点被赋予更大的权值；

(5)判断蚂蚁是否到达终点E，如果是，则根据禁忌表中的路径节点计算路径长短，否则继续寻找下一个节点直到找到终点E为止；循环所有蚂蚁，直到所有蚂蚁都遍历完成；

(6)结合履带车转弯时间代价函数，计算各路径的耗时，选择每轮迭代的最佳路径；

(7)判断当前迭代次数是否达到最大迭代次数，如果是，则结合履带车转弯代价，输出耗时最短的路径；否则重新规划路径，直到达到最大迭代次数，输出耗时最短的路径。

作为优选，所述步骤(4)中t时刻蚂蚁k在当前节点i选择下一个节点j的概率利用下式计算：