[发明专利]基于改进粒子群算法的多机器人区域覆盖方法

权利要求书

1.一种基于改进粒子群算法的多机器人区域覆盖方法，其特征在于，包括：

对待覆盖区域建立坐标系，根据n台探测范围不同的机器人，各机器人i在全局坐标系中的位置构成向量，为迭代初始位置，然后利用改进粒子群算法求解点云，在粒子群算法的迭代过程中，考虑不同机器人的探测范围，进行速度和位置更新，直至获得最大程度覆盖目标区域的机器人的位置集合；具体包括以下步骤，

S1、将形状和面积已知的区域作为待覆盖区域D，根据待覆盖区域D建立坐标系；

S2、根据n台探测范围不同的机器人，各机器人i在全局坐标系中的位置(x_i,y_i)构成向量：P＝{x₁,y₁,x₂,y₂,…,x_i,y_i,…,x_n,y_n}为迭代初始位置；

S3、设定约束条件，各机器人的位置p_i(x_i,y_i)应在待覆盖区域D内，故其坐标范围在待覆盖区域D内，即：

S4、将待覆盖区域D进行栅格化处理，划分成m个正方形栅格，该栅格大小应小于各机器人的最小覆盖半径，标记每个栅格的中心点为c_j，其中j＝1，2，...，m；当c_j被任何一个机器人覆盖时，认为此栅格被覆盖，即记m_c为被覆盖的栅格数目；

S5、初始化粒子群，设置最大迭代次数、目标函数和粒子的最大速度，位置信息为整个目标空间，在速度区间上随机初始化速度，机器人群规模为n，每个机器人随机初始化一个运行速度，初始化迭代次数k；

S6、定义适应度函数；个体极值为每个机器人找到的最优解，从这些最优解找到一个全局值，叫做本次全局最优解，与历史全局最优比较，进行更新；

S7、更新速度和位置的公式：

V_id＝ωV_id+C₁random(0,1)(P_id-X_id-R_i)+C₂random(0,1)(P_gd-X_id-R_i)

X_id＝X_id+V_id

其中，ω为惯性因子其值为负数，较大时，全局寻优能力强，较小时，全局寻优能力弱，局部寻优能力强；通过调整ω的大小，对全局寻优性能和局部寻优性能进行调整；C₁和C₂为加速常数，C₁为每个机器人的个体学习因子，C₂为每个机器人的社会学习因子；取C₁＝C₂∈[0,4]；random(0,1)表示区间[0,1]上的随机数，P_id表示第i个机器人的个体极值的第d维，P_gd表示全局最优解的第d维，R_i为第i个机器人的探测范围；

S8、判断迭代次数k是否达到最大迭代次数或待覆盖区域D的未覆盖率R_u满足最小界限即满足目标函数终止算法，如是，则得到最大程度覆盖待覆盖区域的点云E＝{v_i|i＝1,2,…,n}，其中v_i的位置为p_i'(x_i,y_i)，根据点云部署机器人，实现对目标区域的覆盖；如否，迭代次数k＝k+1，返回步骤S6。

2.如权利要求1所述的基于改进粒子群算法的多机器人区域覆盖方法，其特征在于：步骤S1中，将待覆盖区域D放在所建立坐标系的第一象限。

3.如权利要求1所述的基于改进粒子群算法的多机器人区域覆盖方法，其特征在于：步骤S4中，使用体型最大的机器人的长，作为正方形栅格的边长l。