[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

说明书

本发明公开了一种基于改进的蝴蝶优化算法移动机器人路径规划方法，包括：利用栅格法对移动机器人工作空间进行建模；设置蝴蝶优化算法初始参数；设置算法的起始位置和目标位置；寻找最优路径，初始化禁忌表并将加入蝴蝶起始位置；计算每只蝴蝶当前位置产生的香味强度，并利用转移概率搜索后续转移动节点，直至蝴蝶到达目标位置时停止搜索；判断算法迭代次数是否到达最大值，若是，则保留最短路径，否则继续进行路径寻优，直至搜索到最优路径；对搜索到的路径进行平滑处理，并输出平滑路径；通过仿真实验，验证了本发明能够解决了移动机器人路径规划问题，是一种有效、可行的优化算法。

技术领域

本发明涉及移动机器人路径规划领域，具体涉及一种蝴蝶优化算法的移动机器人路径规划方法。

背景技术

近年来，路径规划在机器人技术领域越来越重要，其主要解决机器人在已知或未知环境下，规划出一条从起始点到目标点的无碰撞路径。当前，路径规划主要从全局路径规划和局部路径规划两方面进行深入研究。全局路径规划的研究是为了实现机器人在无碰撞的基础上从初始位置到达目标位置的距离最短、时间最少、能耗最低。常见的全局路径规划算法有A*算法、Dijkstra算法、粒子群算法和蚁群算法等。局部路径规划的研究是为了实现机器人的路径转折点更少、解的质量更优、路径更加平滑。常见的局部路径规划算法有模糊逻辑算法、滚动窗口算法和人工势场算法等。

蝴蝶优化算法是2018年SankalapArora等学者根据蝴蝶觅食和寻偶行为特征所提出的一种新型自然启发算法，具有简单、易实现、全局搜索效率高等优点。但蝴蝶优化算法在路径寻优过程中仍存在一些问题：生成无效路径，影响寻优效率；寻优过程中无后续扩展节点，导致机器人出现“假死”状态；转折点处路径不够平滑，不利于移动机器人的行走。

发明内容

针对上述现有技术存在的问题，本发明提供了一种基于蝴蝶优化算法的移动机器人路径规划方法，能够有效解决算法生成无效路径，提高全局规划效率；解决无后续扩展节点问题，避免陷入局部最优解；解决机器人机械式转弯问题，规划出一条平滑路径。

为了达到上述发明的目的，本发明采用的技术方案为：

一种基于改进的蝴蝶优化算法移动机器人路径规划方法，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。