基于遺傳蟻群算法的路徑規劃方法及系統的制作方法
【技術領域】
[0001] 本發明設及機器人智能算法技術領域，具體設及一種基于遺傳蟻群算法的路徑規 劃方法。
【背景技術】
[0002] 移動機器人是智能控制技術中的一個重要領域，除用于宇宙探測、海洋開發和原 子能等領域外，在工廠自動化、建筑、采礦、排險、軍事、服務、農業等方面也有廣泛的應用前 景。路徑規劃的方法有很多，比如最速下降法，人工勢場法，模糊推理法等，使用最速下降法 收斂慢，效率不高，有時達不到最優解;使用人工勢場法便于底層的實時控制，但缺乏全局 信息，存在局部最優值問題;使用模糊推理法最大的優點是實時性非常好，但是模糊隸屬函 數的設計、模糊控制規則的制定主要靠人的經驗。
[0003] 遺傳算法證明是一種全局捜索能力強的算法，具有很強的魯棒性，并行性。從宏觀 的角度看，遺傳算法具有一定的方向性，因此它不同于一般的隨機算法，它所使用的隨機選 擇只是在有方向的捜索過程中的一種工具，正是由于它的方向性，使得它比一般的隨機算 法效率更高。
[0004] 蟻群算法是人們受到真實世界媽蟻尋實行為的影響而提出的一種新型的基于種 群尋優的啟發式算法，它是一種自組織的，并行的，正反饋的仿生學算法，具有較強的魯棒 性，能在實際路徑捜索中對外界影響作出動態響應，使得它在路徑規劃中得到了廣泛的應 用。
【發明內容】
[0005] 本發明的目的是提供一種路徑規劃方法及系統，W解決蟻群算法初期階段出現盲 目性的技術問題。
[0006] 為了解決上述技術問題，本發明提供了一種路徑規劃方法，包括如下步驟：
[0007] 步驟SI,將遺傳算法得到的一部分優化解轉化為蟻群算法的信息素初始值；
[000引步驟S2,通過蟻群算法再進行路徑尋優，尋優結束后對符合條件的路徑進行交叉 操作，最終得到最優路徑。
[0009] 進一步，所述步驟Sl中將遺傳算法得到的一部分優化解轉化為蟻群算法的信息素 初始值的方法包括：
[0010] 步驟Sll，對環境進行建模；
[0011] 步驟S12，初始化遺傳參數，W產生初始種群；
[0012] 步驟S13,設置適應度函數，計算每個種群的適應度；
[0013] 步驟S14,將適應度較高的前50%組解轉換為蟻群算法的信息素初始值詩。
[0014] 進一步，所述步驟S2中通過蟻群算法再進行路徑尋優，尋優結束后對符合條件的 路徑進行交叉操作，最終得到最優路徑的方法包括如下步驟：
[0015] 步驟S21，設置蟻群規模m2,最大迭代次數NcW及迭代次數初值U為0,并按下式初始 式中：di康示節點巧P節點j之間的距離； 化剩余信息素：
'，
[0017] 步驟S22,每只媽蟻按照狀態轉移公式選擇下一節點，直到到達目標點則輸
[0018] 出路徑，若比當前迭代最優路徑短，則對其更新，狀態轉移公式如下：
[0020] 式中：allowk化=1,2. . .m2)為媽蟻k待訪問節點的集合，開始時，allowk中有（m2-1)個元素，即包括除了媽蟻k出發節點的其他所有節點，隨著時間的推進，allowk中的元素 逐漸減少，直至為空，即表示所有的節點均訪問完畢；
[0021] 川（t)表示在t時刻節點i、節點j間路徑上的信息素濃度;a為信息素重要程度因 子;e為啟發函數重要程度因子，即媽蟻會W較大的概率轉移到距離短的節點；
[0022] riu(t)為啟發函數，表示t時刻媽蟻從節點i轉移到節點j的期望程度，計算公式如 下：^
dij表示節點i和節點j之間的距離；
[0023] 步驟S23,對尋優過的路徑按如下公式進行全局信息素更新，同時輸出本次迭代的 最優路徑，同時判斷本次迭代最優路徑與當前全局最優路徑是否有除起始點和目標點W外 的相同點；
[0024] 若有，則W該節點為交叉點，對兩條路徑進行交叉操作，產生新路徑與全局最優路 徑比較，若新路徑短，則更新全局最優路徑；
[0025] 對尋優過的路徑進行全局信息素更新的公式如下：
[0026] Tij(t+l) = (l-p)Tij(t)+P A Tij(t)+A 1?-A "ij;
部最優經過節點淵節成/之間的距離 j部最差經過節點/和節點y之間的距離
[0030]式中，P表示全局信息素揮發系數，表示第k只媽蟻在節點i與節點j連接路徑 上釋放的信息素濃度，A ITi徒示經過本輪最優路徑的信息素增量，A 徒示經過本輪最 差路徑的信息素增量;Li、L2分別表示本次循環中的局部最優長度、局部最差長度;kl、k2分 別表示本次循環局部最優、局部最差媽蟻個數；
[0031] 步驟S24,循環次數u = u+l;
[0032] 步驟S25,把媽蟻重新放回起始點，進行下一輪迭代；
[0033] 步驟S26,若迭代次數u〉Nc，則尋優結束，輸出最優路徑;否則轉入步驟S25。
[0034] 又一方面，本發明還提供了一種路徑規劃系統，包括：
[0035] 用于獲得蟻群算法的信息素初始值的信息素獲得模塊，W及
[0036] 與信息素獲得模塊相連的最優路徑獲得模塊。
[0037] 進一步，所述環境建模模塊通過利用移動機器人自帶的環境探測裝置對環境進行 建模W生成一條隨機初始路徑；
[0038] 所述環境探測裝置包括:移動機器人自帶的攝像頭、聲響環、紅外傳感器。
[0039] 進一步，所述信息素獲得模塊適于將遺傳算法得到的一部分優化解轉化為蟻群算 法的信息素初始值;即
[0040] 對環境進行建模，初始化遺傳參數，W產生初始種群;設置適應度函數，計算每個 種群的適應度；W及將適應度較高的前50%組解轉換為蟻群算法的信息素初始值<。
[0041 ]進一步，所述最優路徑獲得模塊適于通過蟻群算法再進行路徑尋優，尋優結束后 對符合條件的路徑進行交叉操作，最終得到最優路徑;即
[0042] 設置蟻群規模m2,最大迭代次數NeW及迭代次數初值U為0,并按下式初始化剩余信 息素：
[0043] =/?。式中：du表示節點i和節點j之間的距離；
[0044] 每只媽蟻按照狀態轉移公式選擇下一節點，直到到達目標點則輸出路徑，若比當 前迭代最優路徑短，則對其更新，狀態轉移公式如下：
[OOW 式中：allowk化=1,2. . .m2)為媽蟻k待訪問節點的集合，開始時，allowk中有(m2- 1)個元素，即包括除了媽蟻k出發節點的其他所有節點，隨著時間的推進，allowk中的元素 逐漸減少，直至為空，即表示所有的節點均訪問完畢；
[0047] Tu(t)表示在t時刻節點i、節點j間路徑上的信息素濃度;a為信息素重要程度因 子;e為啟發函數重要程度因子，即媽蟻會W較大的概率轉移到距離短的節點；
[004引riu(t)為啟發函數，表示t時刻媽蟻從節點i轉移到節點j的期望程度，計算公式如 下：
di康示節點巧日節點j之間的距離；
[0049]對尋優過的路徑按如下公式進行全局信息素更新，同時輸出本次迭代的最優路 徑，同時判斷本次迭代最優路徑與當前全局最優路徑是否有除起始點和目標點W外的相同 占 .
[0050]若有，則W該節點為交叉點，對兩條路徑進行交叉操作，產生新路徑與全局最優路 徑比較，若新路徑短，則更新全局最優路徑；
[0051 ]對尋優過的路徑進行全局信息素更新的公式如下：
[0052] Tij(t+l) = (l-p)Tij(t)+P A Tij(t)+A 化廣 A "ij;
、 |>i/與，局部最優經過節點巧D節爲/之巧的距離
[0054] AiT礦叫 0, other V .? 、 f A，，/X，，局部最差經過節點訊節點/之間的距離
[0055] A而二。―/-' 0, other >
[0化6]式中，P表示全局信息素揮發系數，Arf表示第k只媽蟻在節點i與節點j連接路徑 上釋放的信息素濃度，A ITi徒示經過本輪最優路徑的信息素增量，A 2Ti徒示經過本輪最 差路徑的信息素增量;Li、L2分別表示本次循環中的局部最優長度、局部最差長度;kl、k2分 別表示本次循環局部最優、局部最差媽蟻個數；
[0化7] 循環次數U = U+1;
[005引把媽蟻重新放回起始點，進行下一輪迭代；
[0059] 若迭代次數u〉Nc，則尋優結束，輸出最優路徑;否則繼續迭代。
[0060] 本發明的有益效果是，本發明的路徑規劃方法及系統克服了單