一种基于改进麻雀搜索算法的移动机器人路径规划方法
本发明涉及智能群智能优化算法、移动机器人自主导航与路径规划,具体为一种基于改进麻雀搜索算法的移动机器人路径规划方法。
背景技术:
1、随着移动机器人在仓储物流、服务巡检、农业作业、应急救援以及智能制造等场景的广泛应用,其作业环境日趋复杂多变,对自主导航系统中路径规划的高效性与安全性提出了更高的要求。群智能优化算法凭借较强的全局搜索能力,且无需依赖精确的环境梯度信息即可开展寻优计算,适配复杂非结构化环境下的路径求解需求,已成为当前路径规划领域的主流求解手段之一。麻雀搜索算法通过模拟麻雀种群的觅食分工、天敌预警及协作更新机制实现迭代寻优,具备参数设置较少、收敛速度较快、基础寻优精度较高以及种群分工逻辑清晰等优势,在诸多优化问题中展现出良好的应用潜力。然而,ssa仍存在以下技术缺陷:
2、其一,采用随机采样初始化种群,个体易聚集于局部区域或落入障碍节点,导致初始种群在可行域内分布不均、覆盖度不足,降低后续寻优效率;其二,发现者采用固定步长更新,安全阈值恒定,无法根据种群实时收敛状态动态调节探索与开发强度,易出现前期探索不足或后期开发过慢的问题;其三,跟随者仅以全局最优个体为引导基准,未结合栅格地图的拓扑连通性约束,引导方向易跨越障碍物,生成大量无效路径,浪费迭代资源;其四,侦察者更新策略单一,缺乏针对优劣个体的差异化处理机制,迭代后期种群多样性衰减过快,易陷入局部最优,难以跳出复杂障碍环境的局部极值区;其五,离散位置更新算子未与自由节点序列绑定,更新后的节点可能偏离可通行区域,且缺乏路径连通性修复机制,输出路径的物理可行性与执行安全性无法保证。
3、申请公开号cn116795098a的改进引入非线性正弦因子、lévy飞行及局部搜索策略等,为算法优化提供了有益借鉴,但其优化多停留于通用算子的组合叠加层面。相较而言,本发明从算法底层架构实施系统性重构:采用四阶chebyshev混沌映射实现离散可行域的均匀初始化,从源头降低初始解落入障碍区域的概率;设计以归一化种群多样性为驱动指标的自适应参数控制机制,动态协调全局探索与局部开发能力;构建基于适应度排序序列的环形拓扑感知邻域重构机制,形成有序信息传递链路以实现对劣势个体的差异化引导;并提出分阶段多策略加权协同的侦察者更新机制,兼顾劣质个体收敛效率与优质个体多样性保持,有效抑制连续-离散空间转换过程中不可行解的生成。本发明通过拓扑结构优化、差异化更新策略与自适应步长控制的协同设计,在信息引导精准性、搜索策略适配性及离散约束处理能力等方面实现针对性突破,显著提升了复杂环境下栅格路径规划的求解质量、收敛速度与寻优稳定性。
技术实现思路
1、本发明旨在解决以上现有技术的问题。提出了一种基于改进麻雀搜索算法的移动机器人路径规划方法。本发明的技术方案如下:
2、一种基于改进麻雀搜索算法的移动机器人路径规划方法,其包括以下步骤:
3、s1,获取环境地图信息,构建栅格化搜索空间模型;
4、s2,采用四阶chebyshev混沌映射离散初始化生成初始路径种群x;
5、s3,计算种群中每个个体的适应度值并按其升序排列,按照依预设比例确定发现者与跟随者,并随机选取若干个体作为侦察者;
6、s4,在迭代优化过程中,执行位置更新策略:采用基于种群多样性的自适应步长机制更新发现者位置,采用环形拓扑感知邻域重构机制更新跟随者位置,以及采用分阶段多策略加权协同机制更新侦察者位置;
7、s5、判断是否满足预设终止条件,若满足,则输出最优无碰撞路径。
8、进一步的,所述步骤s2中四阶 chebyshev 混沌映射离散初始化,其过程为:针对搜索空间的第 维,筛选该维度下所有自由节点,构建第 维自由节点序列,所述自由节点序列,定义为栅格地图中第维对应列下,所有无障碍物、可供移动机器人安全通行的栅格行坐标组成的有序集合。 其中, 表示该序列第 个自由节点在第 维上的坐标值,表示第 维自由节点的数量;
9、设置混沌初始值,依据四阶chebyshev混沌迭代公式生成长度为 的混沌序列 ,n为种群规模,为瞬态丢弃长度,用于消除混沌序列初始段的暂态效应,计算混沌序列 的公式如下:
10、;
11、丢弃前 个瞬态值,保留有效序列段,该序列起始索引为 ,终止索引为 ,确保每个个体在当前维度获得唯一有效的混沌初始值;随后通过离散索引映射公式计算索引值,约束保证索引合法有效;为代表路径编码中的节点数量。
12、根据映射索引赋值初始路径位置,第 个个体在第 维的初始位置为,为第 个个体经混沌映射及离散化后,用于确定路径节点初始位置的索引值,通过遍历所有种群个体与路径维度,完成初始可行路径种群的构建。
13、进一步的,所述步骤s4中,采用基于种群多样性的自适应步长机制更新发现者位置;以归一化种群多样性δ作为驱动指标,具体包括:
14、从当前种群中随机抽取对个体,每一对包含两个不同的个体,分别记为个体 和个体 (其中 ),计算其平均汉明距离并归一化,得到种群多样性度量δ,公式如下:
15、
16、
17、其中,为示性函数, 为第 对个体中,个体 路径解向量第 维的坐标值,为表示第 对个体中,个体 路径解向量第 维的坐标值。
18、探索因子α与安全阈值θ由δ线性映射确定,其计算公式如下:
19、α = clip(0.2+1.6δ, 0.2, 1.8)
20、θ = clip(0.3+0.6δ, 0.3, 0.9)
21、其中clip(v,lo,hi)=max(lo,min(hi,v));α直接缩放所有离散移动算子的步长,θ决定发现者更新模式的选择概率。
22、进一步的,所述步骤s4中环形拓扑感知邻域重构机制更新跟随者位置,具体包括:
23、基于种群适应度升序排序序列σ=[σ(1),σ(2),…,σ(n)]构建单节点环形链式邻域拓扑结构,对排序位置为j的跟随者个体,其环形邻居索引定义为:
24、
25、其中,σ(n)为对应适应度最差的个体,为发现者数量;为发现者比例,n为种群规模;以种群中位数h=⌊n/2⌋为分界阈值,对不同排序位置的跟随者个体执行差异化更新策略,具体更新方式如下:
26、当跟随者个体排序位置j>h时,执行排斥-吸引复合移动:个体位置由远离当前种群最差解的排斥力与靠近环形拓扑邻域引导者的吸引力合成更新,以避免局部聚集并维持有向搜索趋势,更新公式为:
27、
28、其中, 和 分别为更新后与当前个体在 中的位置序号; 和 分别为适应度值最差个体与环形邻居 在 中的位置序号; 为符号函数;排斥强度 与吸引强度 计算公式为:
29、r(t)=max(1, round(3(1−t/t)))
30、a(t)=max(1, round(2t/t))
31、其中,为当前迭代次数,为最大迭代次数;为种群中适应度最差个体在第维自由节点序列中的位置序号;为当前个体对应的环形邻居个体在第维自由节点序列中的位置序号;
32、当跟随者个体排序位置 时,执行向导向中心移动策略,具体步骤如下:
33、计算离散化导向中心: ;
34、自适应步长计算公式:
35、更新个体位置:驱动当前个体沿第 维自由节点序列 向导向中心 移动 个位置;
36、其中, 为当前跟随者个体的位置向量; 为其环形拓扑邻域内对应邻居个体的位置向量; 为离散化四舍五入取整函数; 为搜索空间维度数。
37、进一步的,所述步骤s4中分阶段多策略加权协同机制更新侦察者位置,具体包括:
38、随机选取 n=max(2,round(0.1n)) 个个体作为侦察者,其中n为种群规模;
39、若侦察者个体历史最优适应度劣于全局最优适应度值 f,则该侦察者向全局最优个体位置 x 定向移动,步长 s=max(1,round(3α)),其中 α 为权利要求3中所述的探索因子;
40、否则,执行多样性游走:从当前种群中随机选取一个参考个体,沿该侦察者与参考个体的位置差异方向,以步长上限 max(1,round(2α)) 进行随机步进。
41、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如任一项所述的基于改进麻雀搜索算法的移动机器人路径规划方法。
42、一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如任一项所述的基于改进麻雀搜索算法的移动机器人路径规划方法。
43、本发明的优点及有益效果如下:
44、本发明提供了一种基于改进麻雀搜索算法的移动机器人路径规划方法,旨在解决传统算法存在的种群初始化质量低、缺乏拓扑约束、参数固化及易陷入局部最优等问题。具体改进策略如:对应权利要求2的种群初始化步骤,采用四阶chebyshev混沌映射结合自由节点索引约束过滤障碍无效节点,通过数学遍历性与物理可行性的协同消除种群聚集盲区;对应权利要求3的参数调控步骤,设计基于种群多样性的自适应阈值与探索因子协同调控机制,动态平衡全局勘探与局部开发能力,解决参数固化及易陷局部最优问题;对应权利要求4的邻域重构步骤,提出环形拓扑邻域重构机制并利用取模运算匹配邻近优质个体作为引导基准,在无需距离阈值与连通性检测的前提下减少跨障无效更新,高度适配栅格避障场景;对应权利要求5的侦察者更新步骤,构建分阶段加权协同侦察者更新策略,兼顾劣质个体收敛速度与优质个体多样性维持,显著提升复杂环境下的寻优稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com