，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；
[0119] 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；
[0120] 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表示節點巧日節點j之間的距離；
[0121] 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 . y ?、、，
[0122] 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；
[0123] 對尋優過的路徑進行全局信息素更新的公式如下：
[0124] Tij(t+1) = (I-P)TijCt)+p A Tij(t)+AiTij-A "ij(該公式中t+1 所指的下個時刻）；
、 f /1,，局部最優經過節點琳節點;/之間的距離 郵]A而二 、Q，(nher ? ,i： f A% /王，，局部最差經過節點/和節點之間的距離
[0127] A兩叫-- 0, other K ^ ?
[012引式中，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，AlTU表示經過本輪最優路徑的信息素增量，A 2TU表示經過本輪最差 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；
[0129] 循環次數u = u+l;
[0130] 把媽蟻重新放回起始點，進行下一輪迭代；
[0131] 若迭代次數u〉Nc，則尋優結束，輸出最優路徑;否則繼續迭代。
[0132] W上述依據本發明的理想實施例為啟示，通過上述的說明內容，相關工作人員完 全可W在不偏離本項發明技術思想的范圍內，進行多樣的變更W及修改。本項發明的技術 性范圍并不局限于說明書上的內容，必須要根據權利要求范圍來確定其技術性范圍。
【主權項】
1. 一種路徑規劃方法，其特征在于，包括如下步驟： 步驟S1，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； 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。2. 根據權利要求1所述的路徑規劃方法，其特征在于， 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： 步驟Sll，對環境進行建模； 步驟S12，初始化遺傳參數，以產生初始種群； 步驟S13，設置適應度函數，計算每個種群的適應度； 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<。3. 根據權利要求2所述的路徑規劃方法，其特征在于， 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： 步驟S21，設置蟻群規模m2，最大迭代次數N。以及迭代次數初值u為0，并按下式初始化剩 余信息素：式中:dij表示節點i和節點j之間的距離； 步驟S22,每只螞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：式中：allowk(k=l，2. . .m2)為螞蟻k待訪問節點的集合，開始時，allowk中有(Π12-1)個元 素，即包括除了螞蟻k出發節點的其他所有節點，隨著時間的推進，all〇Wk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； T"(t)表示在t時刻節點i、節點j間路徑上的信息素濃度;α為信息素重要程度因子;β為 啟發函數重要程度因子； ndt)為啟發函數，表示t時刻螞蟻從節點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； 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以外的相 同點； 若有，則以該節點為交叉點，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； 對尋優過的路徑進行全局信息素更新的公式如下： Ti j ( t+Ι ) - ( I _P ) Tij (t) +P A Tij(t)+A ITij-A 2Tij;式中，P表示全局信息素揮發系數，Δ<表示第k只螞蟻在節點i與節點j連接路徑上釋 放的信息素濃度，A1T1謙示經過本輪最優路徑的信息素增量，A2T lj表示經過本輪最差路 徑的信息素增量;Li、L2分別表不本次循環中的局部最優長度、局部最差長度;ki、k2分別表 示本次循環局部最優、局部最差螞蟻個數； 步驟S24,循環次數u = u+l; 步驟S25，把螞蟻重新放回起始點，進行下一輪迭代； 步驟S26，若迭代次數u>N。，則尋優結束，輸出最優路徑;否則轉入步驟S25。4. 一種路徑規劃系統，其特征在于，包括： 用于獲得蟻群算法的信息素初始值的信息素獲得模塊，以及 與信息素獲得模塊相連的最優路徑獲得模塊。5. 根據權利要求4所述的路徑規劃系統，其特征在于， 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 對環境進行建模，初始化遺傳參數，以產生初始種群;設置適應度函數，計算每個種群 的適應度；以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# G6. 根據權利要求5所述的路徑規劃系統，其特征在于， 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 設置蟻群規模m2,最大迭代次數N。以及迭代次數初值u為0,并按下式初始化剩余信息 素：式中:dij表示節點i和節點j之間的距離； .， 每只螞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：式中：allowk(k=l，2. . .m2)為螞蟻k待訪問節點的集合，開始時，allowk中有(m2-l)個元 素，即包括除了螞蟻k出發節點的其他所有節點，隨著時間的推進，all〇Wk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； T"(t)表示在t時刻節點i、節點j間路徑上的信息素濃度;α為信息素重要程度因子;β為 啟發函數重要程度因子； ndt)為啟發函數，表示t時刻螞蟻從節點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； 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以外的相同點； 若有，則以該節點為交叉點，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； 對尋優過的路徑進行全局信息素更新的公式如下： Ti j ( t+Ι ) - ( I _P ) Tij (t) +P A Tij(t)+A ITij-A 2Tij;式中，P表示全局信息素揮發系數，Δγ,Ι表示第k只螞蟻在節點i與節點j連接路徑上釋 放的信息素濃度，A1T1謙示經過本輪最優路徑的信息素增量，A2T lj表示經過本輪最差路 徑的信息素增量;Li、L2分別表不本次循環中的局部最優長度、局部最差長度;ki、k2分別表 示本次循環局部最優、局部最差螞蟻個數； 循環次數u = u+l; 把螞蟻重新放回起始點，進行下一輪迭代； 若迭代次數u>N。，則尋優結束，輸出最優路徑;否則繼續迭代。
【專利摘要】本發明涉及一種基于遺傳蟻群算法的路徑規劃方法及系統，本路徑規劃方法包括：步驟S1，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；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；本發明的路徑規劃方法及系統克服了單個蟻群算法存在的不可避免的弊端，即蟻群算法在搜索初始階段盲目性太大，實現了蟻群和遺傳算法的優勢互補，縮小了路徑搜索的查找范圍，提高了最優路徑的搜索效率。
【IPC分類】G05D1/02, G06N3/12
【公開號】CN105527965
【申請號】CN201610005195
【發明人】賀乃寶, 陸毅, 高倩, 沈琳, 羅印升, 潘瑜, 劉波, 俞燁
【申請人】江蘇理工學院
【公開日】2016年4月27日
【申請日】2016年1月4日