[发明专利]一种基于改进的蝴蝶优化算法移动机器人路径规划方法

权利要求书

1.一种基于改进的蝴蝶优化算法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，利用栅格法将移动机器人工作空间栅格化；

步骤2，初始化蝴蝶优化算法相关参数，包括蝴蝶种群数量M、最大迭代次数T、转换概率P、蝴蝶感官形态c、幂指数a；

步骤3，在栅格地图内确定移动机器人的起始位置S和目标位置G，将M只蝴蝶放置在起始位置S，并将当前位置存放在禁忌表Tabu中；

步骤4，计算每只蝴蝶当前位置产生的香味强度；

步骤5，每只蝴蝶在当前位置计算相邻8个节点的香味浓度，转换概率P来切换全局搜索和局部搜索，计算t时刻第i只蝴蝶的后续移动节点；

步骤6，第i只蝴蝶到达后续节点后，将当前节点存放于禁忌表Tabu_i中；

步骤7，判断蝴蝶是否到达目标位置G，如果是，则结束当前迭代，迭代结束；否则，重复步骤4~7直至搜索到目标位置；

步骤8，在一次迭代结束，所有蝴蝶都到达目标位置G后，对所有蝴蝶搜索到的路径进行评价并进行排名，清空禁忌表Tabu；

步骤9，判断当前迭代次数t是否到达最大迭代次数T，如果是，则结束路径搜索，转到步骤10；否则，重复步骤3~9，继续迭代搜索；

步骤10：将算法获取到的最优路径中的关键节点作为控制点，将控制点进行三次B样条函数的构造，然后根据构造函数对整段路径进行拟合处理，进而得到一条平滑的路径，最后输出最优路径;

蝴蝶个体在觅食过程中产生的香味强度计算如下：

其中，为第i只蝴蝶个体感知周围香味的强度；I为刺激强度；α为幂指数；c为蝴蝶个体的感官模态，其值随着迭代次数t的变化而改变，更新策略如下述公式所示：

在觅食过程中，为了提升全局搜索能力，蝴蝶在移动过程中由转换概率P来切换全局搜索和局部搜索，每次迭代过程中，随机生成[0,1]内的一个随机数r₁与转换概率P进行对比，蝴蝶状态转移公式如下：

其中，和为第i只蝴蝶分别在第t次迭代和第t+1次迭代中的空间位置；为第t次迭代中第j只蝴蝶的空间位置；r为[0，1]内的随机数；g_best为当前迭代中最优蝴蝶的空间位置。

2.根据权利要求1所述的一种基于改进的蝴蝶优化算法移动机器人路径规划方法，其特征在于，还包括：

对栅格地图中的栅格进行编号，第i个栅格的坐标如下：

其中，mod为取余运算符；ceil为向后取整符；L为栅格边长；将工作空间以L为单位划分为N_x行和N_y列。

3.根据权利要求1所述的一种基于改进的蝴蝶优化算法移动机器人路径规划方法，其特征在于，还包括：

将算法获取到的最优路径中的关键节点作为控制点，将控制点进行三次B样条函数的构造，然后根据构造函数对整段路径进行拟合处理，进而得到一条平滑的路径，路径平滑公式计算如下：

其中，P_i为给定的n+1个控制点的坐标；为3次B样条基函数。