买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽工程大学

摘要：本发明公开一种基于改进遗传算法的机器人路径规划方法，S1、创建机器人环境地图；S2、种群初始化判断路径若连续，保留路径为初始种群；S3、根据适应度函数计算适应度，根据改进锦标赛策略进行选择；S4、根据种群质量进行单点交叉；S5、判断执行的变异策略；S52、根据变异的长度，选择执行S54、S55或S56；S53、据变异的长度，选择执行S55、S56；S54、单点变异；S55、随机去除变异的长度的连续节点，插入节点将路径连续化处理；S56、随机去除变异的长度的连续节点，将断点设为起点和终点；S6、判断是否到达最大迭代次数，输出最优解。本发明提高了全局最优解的质量,使路径更加平滑，提高了收敛速度。

主权项：1.一种基于改进遗传算法的机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人工作环境地图，定义起始点与目标点；S2、采用种群初始化方法寻找可行路径，所述种群初始化方法按以下子步骤执行：S21、根据地图中栅格的行数和列数，随机根据公式1选择一个节点，然后将该节点设为起点，将初始点和目标点设为终点，向两边生成路径； 式中，ir,jr为随机节点坐标，row为地图栅格的行数，col为地图栅格的列数，以上计算均取整；S22、设置寻路的起点和终点，将起点加入禁忌表中，开始搜索，得到可行路径节点栅格；S23、根据公式2选择下一步移动栅格，并将当前栅格加入到禁忌表中； 公式2中，s为当前邻接有转移概率的位置节点，坐标为i,j，当前节点坐标为ic,jc，终点坐标为ie,je，为可选邻接节点i,j的转移概率，allowedk为当前节点邻接可选节点的集合，k＝1,2,…,m；S24、判断是否生成可行路径，如果是，则执行步骤S25；如果否，则更新禁忌表，并返回步骤S23；S25、当寻路结束后，取出所有可行解，作为本改进遗传算法的初始种群；S3、根据改进锦标赛选择方法进行下一代的选择，所述改进锦标赛选择方法按以下子步骤执行：S31、为了提高路径的平滑度，综合考虑了路径长度和转向角度，设计了新的适应度函数如公式5所示； fit＝fit1+fit25式中，xi,yi为当前节点坐标，xi+1,yi+1为下一个节点坐标，len为当前路径节点个数，a为不同转角的代价，式3fit1为路径的长度，式4fit2为路径转角的总代价，fit为路径的适应度；S32、首先保留种群最优解直接进入下一代，若是第一次迭代，则该种群为初始种群，若不是，则该种群为经历上一次迭代后产生的种群；其次采用锦标赛策略并引入模拟退火中的部分内容，即较差解有一定的概率保留至下一代，具体步骤如下：首先在种群之中随机选择三个个体，在三个个体中选择最优解直接进入下一代，之后根据公式6判断种群是否过于密集，如果是，则次优解根据公式7进入下一代，若是次优解未进入下一代，则最差解则有12概率进入下一代；如果否，则最差解则有12概率进入下一代；如果下一代的个体数目到达设定的种群数目，则停止步骤S32，并将下一代设为当代种群；f_max-f_min＞f_min106 式中，f_max为当代种群最大适应度，f_min为当代种群最小适应度，Pr为随机概率，f为当前个体的适应度；S4、交叉策略是将种群分为较优和较差两个群体，该种群为经历过步骤S3后产生的种群，遍历该种群，Pr为随机概率，Pc为交叉概率，若Pr＜Pc时，则选中该个体，之后根据较优群体可以与整个种群的个体进行交叉，较差群体只能与较优群体中的个体进行交叉的规则另外随机选择一个个体，并通过式8判断，如果等式成立，则两个个体相同，跳过此次交叉；如果不成立，则两个个体不相同，将两个个体进行单点交叉，并将交叉后产生的新个体保留至当代种群； 式中，contents为两个个体相同节点的个数，len1为第一个个体的节点总数，len2为第二个个体的节点总数；S5、采用多种变异方式的变异策略,遍历种群，该种群为经历过步骤S4后产生的种群，Pr为随机概率，Pm为变异概率，若Pr＜Pm时,则对该个体进行变异操作，并将变异后产生的新个体保留至当代种群，变异方法按以下子步骤执行：S51、根据公式6判断，如果是，则根据公式9计算出L，并执行步骤S52；如果否，则根据公式10计算出L，并执行步骤S53； L＝rand1,0.5×len10式中，iter_max为最大迭代次数，iter为当前迭代次数，len为当前路径节点个数，col为地图栅格的列数；S52、如果L2，则执行步骤S54，否则将L取整，同时有34概率执行步骤S55，14概率则执行步骤S56；S53、有12概率执行步骤S55，14概率则执行步骤S56；14概率通过步骤S2从新生成路径；S54、单点变异，随机选择一个节点判断其与前后节点的角度θ，若θ＝45°，则删去该节点并保留新路径；若θ＝90°，如果当前节点与上一个节点连线为水平或竖直，则删去该节点并保留新路径；如果前节点与上一个节点连线为对角线，判断前一个节点和后一个节点间的节点是否可行，如果可行，则将当前节点变为可行节点并保留新路径，如果不可行，则跳过此次变异S55、对需要变异的个体随机减去一段节点个数为L的连续路径，按以下子步骤生成连续路径：maxabsxi+1-xi,absyi+1-yi＝111 式中，xi,yi为当前节点坐标，xi+1,yi+1为下一个节点；S551、根据公式11判断路径是否连续，如果连续，则将新路径保留；如果不连续，则执行步骤S552；S552、根据公式12计算上下两节点的中间节点xmid,ymid，如果中间节点为可行路径，则将该节点加入当前路径中；如果中间节点为不可行路径，判断其上下左右四个邻域节点是否可行，如果可行，则将节点加入当前路径中；如果都不可行，判断其无法连续，跳过此次变异；此外如果执行步骤S552次数大于100，判断为未连续，跳过此次变异；S56、对需要变异的个体随机减去一段节点个数为L的连续路径，通过子步骤生成连续路径：S561、设置当前两端断点为起点和终点；S562、执行步骤S22至S24，如果生成可行路径，则将路径连接并保留新路径；如果未生成，则跳过此次变异；S6、判断是否到达最大迭代次数iter_max,如果否，则令迭代次数加1并返回步骤S3；如果是，则结束循环，输出最优解。

全文数据：

权利要求：

百度查询： 安徽工程大学 一种基于改进遗传算法的机器人路径规划方法