复杂多陷阱环境下机器人导航路径的蚁群规划策略.pdf
《复杂多陷阱环境下机器人导航路径的蚁群规划策略.pdf》由会员分享,可在线阅读,更多相关《复杂多陷阱环境下机器人导航路径的蚁群规划策略.pdf(5页珍藏版)》请在咨信网上搜索。
1、机械设计与制造228Machinery Design&Manufacture第8 期2023年8 月复杂多陷阱环境下机器人导航路径的蚁群规划策略李婧1,李艳萍?(1.山西职业技术学院,山西太原0 30 0 0 6;2.太原理工大学信息与计算机工程学院,山西太原0 30 0 2 4)摘要:为了提高复杂多陷阱环境下的机器人路径规划质量和规划效率,提出了多因素启发蚁群算法的路径规划方法。使用栅格法建立了工作环境的0-1 矩阵模型,同时给出了环境模型的转移图结构。分析了蚂蚁进入陷阱时“蚂蚁回退策略”和“蚂蚁天折策略”的缺陷,针对这些缺陷,将安全启发因素和智能蚂蚁策略融入到蚁群算法中,提出了能够高效应对
2、陷阱问题的多因素启发蚁群算法,并将其应用于复杂多陷阱环境下的路径规划。在3种仿真环境下对改进措施进行验证,由实验结果可以看出,多因素引导蚁群算法能够有效避开障碍物密集区域;在复杂多陷阱环境下改进算法规划的路径长度明显短于传统算法,路径拐点远少于传统算法,迭代次数明显少于传统算法。以上实验结果表明,多因素启发蚁群算法的规划质量和规划效率均优于传统蚁群算法。关键词:多陷阱环境;导航路径规划;安全引导因素;智能蚂蚁策略;多因素引导蚁群算法中图分类号:TH16;TP242文献标识码:ARobot Navigation Path Planning Strategy Under Complex Multi
3、ple(1.Shanxi Polytechnic College,Shanxi Taiyuan 030006,China;2.School of Information and Computer Engineering,Taiyuan University of Technology,Shanxi Taiyuan 030024,China)Abstract:In order to improve robot path planning quantity and efficiency under complex multiple traps environment,path plan-ning
4、method based on multiplefactors guidance ant colony algorithm is proposed.O-1 matrix model ofenvironment is built by gridmethod,and transferring figure structure of environment model is given at the same time.Shortcomings of ant backspacing strate-gy and ant mortality strategy are analyzed,direct at
5、 the shortcomings,safety inspiration factor and intelligent ant strategy are in-troduced to ant colony,so that multiple factors guidance ant colony algorithm which can reply traps effectively is put forward.Theimproved algorithm is used to path planning under multiple traps environment.Improved meas
6、ures are clarified under3 simulationenvironments,the result shows that the improved algorithm can elude barrier-dense region.Under complex multiple traps environ-ment,compared with traditional ant colony algorithm,path length planned by improved algorithm is shorter,quantity of path in-flection poin
7、t is less,and iteration time is obvious less than traditional algorithm.The experiment result indicates that path quali-ty and efficiency of multiple factors guidance ant colony algorithm is optimal than traditional ant colony algorithm.Key Words:Multiple Traps Environment;Navigation Path Planning;S
8、afety Inspiration Factor;Intelligent AntStrategy;Multiple Factors Guidance Ant Colony Algorithm文章编号:10 0 1-3997(2 0 2 3)0 8-0 2 2 8-0 5Traps Environment by Ant Colony AlgorithmLI Jing,LI Yan-ping?1引言移动机器人的工作路径极大地影响其安全性、工作效率、行驶耗能和机械磨损,好的工作路径在保证机器人安全的基础上,能够极大提高机器人工作效率,并减少行驶耗能。智能算法在路径规划中存在多种缺陷,诸如易陷人局部最
9、优、收敛速度慢、算法复杂度高等问题2 。对智能算法进行优化,提高智能算法的收敛速度和求解质量,对提高路径规划效率和路径规划质量具有重要意义。来稿日期:2 0 2 2-0 6-2 0基金项目:山西省回国留学人员科研资助项目(2 0 17-0 31)作者简介:李婧,(198 3-),女,河北黄骅人,博士研究生,讲师,主要研究方向:神经网络、机器人路径规划机器人路径规划的研究主要分为两个方面:1)环境建模;(2)路径搜索算法。环境建模的常用方法包括可视图法、自由空间法、栅格法等。路径搜索算法包括传统搜索算法和智能仿生算法,传统搜索算法包括人工势场法、模糊逻辑法、模拟退火法等,人工势场法31优点是路径
10、平滑性好,缺点是多障碍物环境下易陷入局部最优;模糊逻辑法(4 优点是无需被控对象模型,缺点是模糊规则表难以确定;模拟退火法15优点是建模简单,缺点是算法收敛速度慢、参数难以设定。智能仿生算法包括遗传算法、蚁群12第8 期算法、粒子群算法等。蚁群算法6 模拟蚁群觅食过程,常应用于路径规划,但是算法前期收敛较慢且易得到次优解。遗传算法7 主要模拟交叉变异、适者生存两种自然现象提出的算法,算法应用于路径规划时运行效率低于蚁群算法。粒子群算法8 是模拟鸟群觅食过程提出的,首先将路径规划问题转化为连续变量优化问题,才能使用粒子群算法进行路径规划,粒子群算法最大缺陷是随着迭代的进行,所有粒子聚集在最优粒子
11、附近,粒子的单一性使算法失去进化能力,从而影响路径规划质量。这里研究了复杂多陷阱环境下的行驶机器人路径规划问题,建立了机器人工作环境的栅格模型,将安全启发因素和智能蚂蚁策略融入到蚁群算法中,在栅格环境下进行路径规划,实现了提高路径规划质量和路径规划效率的目的。2栅格模型与算法分析2.1栅格模型栅格法是简单高效的环境建模方法,在机器人路径规划中得到了广泛应用。使用固定大小的栅格将机器人工作环境进行划分,并根据栅格内有无障碍物定义栅格属性即可得到栅格模型9。当栅格内存在障碍物时将栅格属性定义为“1,当栅格内不存在障碍物时将栅格属性定义为“0”,以图1所示栅格环境为例,其0-1矩阵模型为:01001
12、010110LO000432100Fig.1 Grid Environment Model从以下3个方面对栅格模型进行说明:(1)栅格编码包括顺序编码和坐标编码2 种方法,2 种方法之间可以相互转化。这里顺序编码方法为:从左至右,由上到下依次编码。栅格规模记为N,则第i个栅格的坐标编码为:x;=mod(i-1,N)+0.5(y;=fix(i-1)/N)+0.5(2)栅格之间的距离使用欧式距离计算方法。(3)使用蚁群算法进行路径规划时,蚂蚁可选栅格为当前栅格紧邻的8 个栅格中的非障碍物栅格,以图1为例,蚂蚁的转移图结构,如图2 所示。图中箭头方向为蚂蚁的可转移方向。2.2蚁群算法介绍蚂蚁群寻找食
13、物过程中,主要依靠食物源的启发作用和信息素的沟通作用而实现的,模拟蚂蚁群这一觅食过程而提出了蚁群李婧等:复杂多陷阱环境下机器人导航路径的蚁群规划策略;(t)n;(t)P(t)=SElou:(o,jallowk式中:T,(t)一蚂蚁k由当前栅格i转移至栅格j的信息素浓度;一信息素因子;n;(t)一蚂蚁k由当前栅格i转移至栅格j的启发函数;一启发函数因子;allow一蚂蚁k的可转移栅格集合。在路径规划中,启发函数一般使用栅格间的距离定义,即n;(t)=Vdg,d,一栅格i和栅格j之间的距离。但是由于栅格环境的特殊性,栅格间距离只有1和2 两种情况,因此传统启发函数定义方法的启发效果极小。为了解决这
14、一问题,这里使用下一栅格与目标栅格的距离构造启发函数,即:n;(t)(3)dic式中:di一待选栅格j与目标栅格G间的距离。路径上信息素更新包括两个方面:(1)信息素的挥发;(2)蚂蚁在走过路径上的信息素残留。考虑以上两个方面,得到信息素更新方法为:t;(t+1)=(1-p)t,(t)+t;(t)At,(t)=2A;(t)i=1JQ/L,jeLkAt(t)=lo,ijLi式中:p一信息素挥发系数;t;(t)一路径上信息素增量;m一蚁群规模;t(t)一蚂蚁k在路径i上的信息素残留量;Q一信息素强度;L一蚂蚁k的路径长度。12图1栅格环境模型229算法。算法在第t次迭代时,蚂蚁k由当前节点转移至节
15、点j的概率p片(t)为10:(2)(4)342(1)13Fig.2Ant Transferring Figure Structure2.3多陷阱环境下蚁群算法缺陷分析栅格环境下,陷阱一般定义为U型障碍物和V型障碍物,如图3所示。蚁群算法执行过程为:初始时刻将所有蚂蚁放置在起点,蚂蚁按照式(2)进行路径规划,所有蚂蚁到达终点后,蚁群算法完成一次迭代。但是在多陷阱环境下,蚂蚁极易陷14图2 蚂蚁转移图结构1516No.8230机械设计与制造入死区而无法到达终点,影响算法的路径规划质量,甚至使算p%(t),qqo法无法循环。=Nm-Nm=死区U型障碍物V型障碍物图3多陷阱环境Fig.3 Multip
16、le Traps Environment当前常用的陷阱处理方法包括蚂蚁天折策略和蚂蚁回退策略。蚂蚁天折策略是指当蚂蚁陷入死区时,蚂蚁提前死亡不再进行后续的路径规划,且天折蚂蚁经过的路径不再留下此蚂蚁的信息素。此方法能够保证不因个别蚂蚁而影响算法效率,但是在多陷阱环境下过多蚂蚁天折必然影响算法对路径的规划质量。蚂蚁回退策略是指蚂蚁进人死区后,反复采取回退、判断的方法,直到蚂蚁逃出死区,而后进行后续的路径规划。这种方法能够保证蚂蚁绝大多数或者全部到达终点,因而可以保证较高的路径规划质量。但是当死区较深时,蚂蚁回退策略会耗时较大,从而拖慢整个算法的运行。综上所述,在多陷阱环境下传统蚁群算法存在陷人陷
17、阱而规划失败的问题,而蚂蚁天折策略和蚂蚁回退策略均存在一定缺陷,因此有必要研究高效的躲避陷阱策略。3多因素启发蚁群算法为了提高多陷阱环境下蚁群算法的路径规划效率和规划质量,这里从两个角度提出改进方法。(1)引入新的启发因素,命名为安全启发因素,新启发因素的引入使蚂蚁避开障碍物密集区域;(2)引智能蚂蚁策略,为蚂蚁赋予一定智能性,当蚂蚁所在陷阱过深时则蚂蚁天折,当蚂蚁所在陷阱不深时则蚂蚁跳跃出陷,保证算法的高效性。3.1安全启发因素在蚁群算法中引人新的启发因素一安全启发因素,使得蚂蚁在选择栅格时能够避开障碍物密集区域。引人安全启发因素的蚂蚁转移概率ps(t)为:r,()n,(0)safety,P
18、(t)=1s.Eallowklo,j$allowkA,-O,-Lisafety;=A,式中:8 一避障系数;safety一安全启发因素;A一栅格j的紧邻栅格数;O一栅格j的紧邻栅格中的障碍物栅格数;L一栅格j的紧邻栅格中被禁忌表限制不能通过的栅格数量。另外,这里提出了迭代次数自适应的伪随机转移策略,为:Aug.2023(6)Nmax式中:9一自适应选代次数;Nmx一最大选代次数;N一当前送代次数。分析式(6)可知,当迭代次数较小时,9。较大,算法主要按照p,(t)更新栅格,使算法随机性较大,提高路径规划的多样性;当迭代次数较大时,9。较小,算法主要按照ag max-,()n,(0)safey,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 复杂 陷阱 环境 机器人 导航 路径 规划 策略
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。