CN116048071B 基于粒子群和差分进化算法的移动机器人路径规划方法 （贵州大学）

A,2020.07.07A,2022.03.01A,2022.04.26A,2022.04.26OptimizationAlgorithm.PROCES基于粒子群和差分进化算法的移动机器人本发明公开了一种基于粒子群和差分进化算法的移动机器人路径规划方法，包括以下步适应调整权重和加速度系数来改进传统粒子群自适应参数的缩放因子F和交叉概率因子CR，进2it公式(1)的第二项计算出第i个粒子迭代至第t代时的当前位置x;与该粒子的个体最佳表达式(1)中第三项计算出第i个粒子迭代至第t代时的当前位置与该粒子在对等组表达式(1)中第四项计算出第i个粒子迭代至第t代时的当前位置与粒子群全局最佳到监督作用；设投给经营权粒子Operator的票数Opvote初始值为p,投所有权者粒子Owner的票数Owvote为1-p,进而使得投票数产生偏差，其中PE[0,1];投票机制通过轮盘赌算法实35)表达式(2)中第t+1代第i个粒子位置x"等于第t代第i个粒子位置和乘以第四个步骤七、利用步骤五获取的精英种群作为改进差分进2.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其3.如权利要求书1或2所述的基于粒子群和差分进化算法的移动机器人路径规划方法，4在相邻两路径节点连线上取m个中节点，利用路径中节点来判断所在路线是否与障碍4.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其5.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其56.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其i为种群第i个粒子向量对应的变异概率因子；CRmin,CRmax分别为交叉概率因子7.如权利要求书1所述的基于粒子群和差分进化算法的移动机器人路径规划方法，其6在静态环境或动态环境中规划出一条满足某种条件(通常是指最优的)的抵达目标点的无FaizaGul等人利用灰狼算法_粒子群算法混合优化算法来解决寻找最小路径问题。Chang_[0004]本发明的目的在于克服上述缺点而提出了一种基于粒子群和差分进化算法的移7it[0017]公式(1)的第二项计算出粒子i迭代[0019]表达式(1)中第三项计算出粒子i迭代至第t代时的当前位置x;与该粒子在对等[0022]设投给经营权粒子Operator的票数Opvote初始值为p,投所有权者粒子Owner的票数Owvote为1-p,进而使得投票数产生偏差，其中PE[0,1];投票机制通过轮盘赌算法实现，[0025]5)表达式(2)中第t+1代粒子i位置x"等于第t代粒子i位置和乘上加速度因子8[0033]路径长度函数f1用来计算移动机器人从起始点Start到目标点Goal的路径长度，[0038]在相邻两路径节点连线上取m个中节点，利用路径中节点来判断所在路线是否与9[0054]其中，opvote=p,owvote=1-p[0070]参见图1，本发明的基于粒子群和差分进化算法的移动机器人路径规划方法，其[0077]路径长度函数f1用来计算移动机器人从起始点Start到目标点Goal的路径长度，[0082]在相邻两路径节点连线上取m个中节点，利用路径中节点来判断所在路线是否与it[0099]表达式(1)中第三项计算出粒子i迭代至第t代时的当前位置x;与该粒子在对等[0102]所述粒子群全局最佳位置Admt，为了更好控制Admt对粒子群加，投所有权者影响力相对减少，即投所有权者Owner的票数Owvote减少，收敛速度提高，但是若经营权粒子不能带领粒子走向最优，就需要所有权粒子Owner掌握管理权，此时即使Owvote票数很少，也要提高所有权者Owner的统治力，故引入管理者调控因子v-e"""':[0107]设投给经营权粒子Operator的票数Opvote初始值为p,投所有权者粒子Owner的票数Owvote为1-p,进而使得投票数产生偏差，其中PE[0,1];投票机制通过轮盘赌算法实现，[0115]其中，opvote=p,owvote=l-p[0116]5)表达式(2)中第t+1代粒子i位置x,"等于第t代粒子i位置和乘上加速度因子X"=X(+V",i=l…,N(1-2)[0142]Pit为算法第t次迭代时第i个粒子的个体最优位置；Gt为算法第t次迭代时粒子的i＝1,2,...,N_6)_7)_8)_9)为种群在第t[0,1]范围内的随机正整数，使得至少存在一个分量为变异向量产出，进而保证产生新向改进，临时占据管理位置的粒子称为管理员粒子(Adm)。经营者(Operator)粒子和所有者it[0178]速度更新公式(1_12)的第一项为自适应惯性权重ω*和前一次迭代t的速度Vit的[0182]公式(1_12)的第二项计算出粒子i迭代至第t代时的当前位置与该粒子的个体[0184]表达式(1_12)中第三项计算出粒子i迭代至第t代时的当前位置与该粒子在对[0186]表达式(1_12)中第四项计算出粒子i迭代至第t代时的当前位置Xit与粒子群全局(Operator)的领导力逐渐增大，即投经营者(Operator)的票数(Opvote)增加，投管理者营者(Operator)不能带领粒子走向最优，就需要管理者(Owner)掌握统治权，此时即使[0189]v-el"。为第二选择，起到监督作用。设定Opvote初始值为p,Owvote即为1-p,进而使得投票数产生偏差，其中PE[0,1].[0198]owvote=1-pel""~e"=1;[0207]表达式(1_13)中第t+1代粒子位置X"等于历史位置和乘上加速度因子C4和随min精英种群去训练差分进化算法进而得到更好的[0236]Step9：判断输出结果是否满足终止条