CN115167460B 基于融合算法的机器人集群任务最优路径规划方法 （西安电子科技大学芜湖研究院）

基于融合算法的机器人集群任务最优路径本发明公开了基于融合算法的机器人集群距离代价与上一次更新后的总距离代价的差值是否小于本次迭代更新后的总距离代价的3%;解码生成每个机器人的子路径作为机器人集群2步骤1.5，将筛选过程中排序过后的第0.6M个已规划机器人的子路径距离代价设置为3步骤4.1，判定当前的机器人集群路径方案的总距离代价是否小于当前的全局方案的与任务目标点j的路径中，待更新信息素浓度在空间中自然挥发后残留的信息素浓度τi'jpp表示当前的机器人集群路径方案；p步骤6，判定在连续5次更新后，每次更新后的总42.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征3.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征4.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征5.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征6.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征对每个已规划机器人的子路径二进制编码中的任务目标点，以0.2的概率进行取反操7.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征在于，步骤1.4所述的对遗传操作后的未规划机器人的状态变更为已规划机器人的具8.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征按照每条子路径上途径的任务目标点的顺序，对所有途径的任务目标59.根据权利要求1所述的基于融合算法的机器人集群任务最优路径规划方法，其特征ij示任务目标点i与任务目标点j之间距离dij的倒数，S表示尚未访问过的任务目标6市场法的多机器人快速协同建图方法”(申请号：CN202111252038，申请公布号：CN将地图中已知区域与未知区域之间的边界点形成所有任务组合，加入到待拍卖任务集合[0004]天津大学在其申请的专利文献“基于蚁群算法的多机器人路径规划方法”(申请7算法会计算迭代方向时间成本大而导致的求解[0018]步骤2.2，判定每个放置后机器人邻8标点插入到下一个机器人子路径的转移序列上述两个机器人的子路径中交换序列号对应的任务目机器人翻转序列号对应的两个任务目标点之间的路径区间进行[0030]步骤4.1，判定当前的机器人集群路与任务目标点j的路径上中释放的全局信息9机器人集群路径方案，克服了现有技术初期随机选择路径最终导致的收敛速度慢的弊端，代方向时间成本大而导致的求解速度慢的弊端，使得本发明在为机器人规划最优路径时，的二进制编码作为该机器人的拆分终点，从总路径编码中拆分出每个机器人的子路径编器人D,机器人E的状态变更为已规划机器人。将上述每个初始任务目标点的二进制编码作任务目标点，表示第m个机器人途径任务目标点i与任务目标点j所连路径所需花费的距[0064]对每个已规划机器人的子路径二进制编将排序中前0.4M个空闲子路径二进制编码顺序设置为未规划机器人的子路径二进制编码，更新后的初始任务目标点：机器人A的初始任务目标点从9号任务目标点更新为3号任务目始任务目标点从24号目标任务点为27号任务目标点，机器人D的初始任务目标点从37号任务目标点更新为32号任务目标点，机器人E的初始任务目标点从41号任务目标点更新为49[0073]步骤2.2，判定每个放置后机器人邻0的概率重新利用上述公式计算任务目标节点。机器人子路径中转移序列号对应的任务目标点插入到下一个机器人子路径的转移序列号[0086]本发明的实施例中，随机函数为每个机器人的子路径序列生成的转移序列号如将2号转移序列号对应的26号任务目标点插入到机器人B子路径序列的4号转移序列号中；在机器人B子路径序列中，将4号转移序列号对应的46号任务目标点插入到机器人C子路径列号对应的50号任务目标点插入到机器人E子路径序列的6号转移序列号中；在机器人E子路径序列中，将6号转移序列号对应的33号任务目标点插入到机器人A子路径序列的2号转进行交换。将机器人A子路径序列3号对应的1号任务目标点与机器人B子路径序列3号对应的20号任务目标点交换；将机器人B子路径序列5号对应的13号任务目标点与机器人C子路径序列5号对应的49号任务目标点交换；将机器人C子路径序列8号对应的46号任务目标点号任务目标点与机器人E子路径序列2号对应的12号任务目标机器人翻转序列号对应的两个任务目标点之间的路径区间进行[0094]本发明的实施例中，随机函数为每个机器人的子路径序机器人A的子路径序列的翻转序列号为1和6，机器人B的子路径序列的翻转序列号为3和9，器人A的子路径区间被翻转为[41,14,22,20,33,10]，机器人B的子路径区间被翻转为[40,[0099]