CN104035438A - 一种基于种群多样性的自适应多目标机器人避障算法 - Google Patents
一种基于种群多样性的自适应多目标机器人避障算法 Download PDFInfo
- Publication number
- CN104035438A CN104035438A CN201310563216.4A CN201310563216A CN104035438A CN 104035438 A CN104035438 A CN 104035438A CN 201310563216 A CN201310563216 A CN 201310563216A CN 104035438 A CN104035438 A CN 104035438A
- Authority
- CN
- China
- Prior art keywords
- population
- barrier
- robot
- self
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于种群多样性的自适应多目标机器人避障算法。按以下步骤进行:步骤一:对环境进行建模,种群初始化,并判断种群个体与障碍物之间的关系;步骤二:基于种群多样性的自适应多目标机器人路径规划算法;步骤三:对所得的结果进行路径平滑处理,最后得到该地图中机器人行走的最优路径。本发明方法具有以下有益效果:本发明提出一种基于种群多样性的自适应调整遗传参数的改进方法,给出了一种快速有效的全局路径规划方法。进一步拓宽了机器人的应用范围,提高了算法的鲁棒性。本发明的方法相比于其他方法而言,显著提高了算法对于路径规划问题的处理速度。
Description
技术领域
本发明公开了一种基于种群多样性的多目标机器人避障方法,属于人工智能领域。
技术背景
移动机器人是智能控制技术中的一个重要领域,已经被广泛应用在军事、工业、农业和教育等领域。路径规划是移动机器人系统中的一个重要内容,他直接影响机器人完成任务的质量。其任务就是实现使机器人在其工作环境中能够自主的从起点运动到终点,同时满足一定的约束条件,约束条件包括不与障碍物碰撞;运动路径最短;运动轨迹尽量光滑等。多目标进化算法(MOEA)是一类模拟生物进化机制而形成的全局性概率优化搜索方法,在20世纪90年代中期开始迅速发展,其发展可以分为两个阶段。第一阶段主要有两种方法即不基于Pareto优化的方法和基于Pareto优化的方法;第二个阶段就是在此基础上提出了外部集这个概念,外部集存放的是当前代的所有非支配个体,从而使解集保持较好的分布度。这个时期提出的多目标进化算法更多地强调算法的效率和有效性。在这两个阶段中,比较典型的多目标进化算法有NSGA2、PESA2和SPEA2等。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于种群多样性的多目标机器人路径避障方法。 根据本发明的方案,提出了一种基于种群多样性的多目标机器人避障方法,包括以下步骤:
步骤一:对环境进行建模,种群初始化,并判断种群个体与障碍物之间的关系。
步骤二:基于种群多样性的自适应多目标机器人路径规划算法。
步骤三:对所得的结果进行路径平滑处理,最后得到该地图中机器人行走的最优路径。
相比现有技术,本发明方法具有以下有益效果:
一般的进化算法采用固定的遗传参数,种群进化容易陷入局部收敛,当搜索空间特别不规则时,表现地尤为明显。不能根据种群的进化情况进行自适应调整,这限制了算法的收敛速度,这就使得进化走向局部收敛的可能性增加。本发明提出一种基于种群多样性的自适应调整遗传参数的改进方法,给出了一种快速有效的全局路径规划方法。进一步拓宽了机器人的应用范围,提高了算法的鲁棒性。本发明的方法相比于其他方法而言,显著提高了算法对于路径规划问题的处理速度。
附图说明
图1是本文机器人避障算法的流程图。
图2、3、4是本文算法与未改进算法的收敛分析图。
图5、6是本文避障机器人行走的最优路径图。
具体实施方式
下面结合附图对本发明作具体说明。所描述的实施范例仅是为了说明的目的,而不是对本发明范围的限制。
步骤一:对环境进行建模,种群初始化,并判断种群个体与障碍物之间的关系。
(1)环境建模:多边形表示障碍物,点表示机器人,确定机器人的起始点与终止点。
(2)种群初始化:将起点和终点做一条直线连线,将该直线看成是新的横坐标轴XX,做垂直于XX的新的纵坐标轴YY。将该直线若干等分,下面就可以在每条等分线上分别随机取一点,形成初始种群个体。
(3)判断种群个体是否在障碍物内
若在障碍物内或在边缘上,则删除该点,并重新生成初始点,否则保留该点。随机点与障碍物的关系在这里采用射线法进行判别。所谓射线法是以随机点为端点向左做平行于X轴的射线L,然后计算该射线L与障碍物的焦点。若焦点为偶数个,说明随机点在障碍物外部;若焦点为奇数个,说明随机点在障碍物内部,那么需要删除此点。但是有些特殊的情况需要考虑,比如L与某障碍物的边重合或平行,则计算焦点没有意义,因此障碍物中水平的边不做考虑;另外,射线L恰好经过障碍物的某个端点时,若端点所在障碍物的边中纵坐标的值大于另一端点的纵坐标的值,则计数;否则不计数。
(4)判断机器人路径是否与障碍物相交
首先取第一个障碍物的第一条边和随机点结构的第一条边,根据线段所在边的直线方程来计算折线与障碍物边是否相交。循环操作,计算出每条折线与每个障碍物的每条边的交点。判定交点是否在障碍物边所在线段的范围。若某路径段与障碍物的某条边相交,我们采用重新生成第二个路径点的方式重新初始化该点,一直到所有路径与障碍物均不相交为止。
步骤二:基于种群多样性的自适应多目标机器人路径规划算法
(1)计算种群个体的适应度,并进行环境选择。如果外部存档集的规模超过约定值,利用修剪过程降低其大小,如果大小比约定值小,则从种群个体中选取支配个体填满之。
(2)判断是否满足终止条件。若满足,则返回结果并结束,否则继续。
(3)对种群进行锦标赛选择
(4)计算种群多样性指数
其中种群多样性指数 定义如下:
(1)
(2)
其中,n表示物种数目,表示种群内第个物种占总数的比例。为了定量的分析种群多样性,我们定义数值为物种聚集距离,如果若干个体之间的聚集距离均小于,那么它们之间存在着足够高的的相似度,这些个体构成一个物种。
(5)按照自适应调整公式对交叉变异概率进行调整。
基于种群多样性的自适应交叉变异概率调整公式如下:
在上述公式中,分别表示事先设定的交叉、变异概率的上限下限,代表种群多样性指数。
从公式(5)(6)可以看到,当种群多样性提高时,此时交叉概率增加,变异概率降低,优秀基因能够快速地扩散至种群中。当种群多样性降低时,种群中的个体相似,此时交叉的作用不明显,应增大变异概率,降低交叉概率,防止陷入局部收敛。通过以上公式调整,可以实现根据种群多样性动态调整交叉和变异的强度,以达到快速收敛的目的。
(6)根据得到的交叉变异概率对种群个体进行交叉变异操作。转到步骤(1)。
步骤三、对所得的结果进行路径平滑处理并且输出结果
在算法结束后,对所得到的机器人路径进行平滑处理。具体方法运用计算几何的方法求解两条线段之间夹角的情况。如果是钝角的话不做特殊处理,如果是锐角或者是直角的话,也就是说机器人在拐弯时的角度过大,因此就需要修改路径。需要将夹角为锐角或直角的两条相邻的边上增加结点。经过平滑处理后,最后得到该地图中机器人行走的最优路径。
从附图中的仿真结果中可以看出,所取得的路径均是在该场景下的最短路径,同时路径足够光滑,很少出现夹角很尖锐的情形,保证机器人行走的平稳性,路径距离障碍物的距离也足以保证机器人的行走安全,不至于与障碍物相撞。算法的收敛性如图所示,同一般的算法相比,收敛速度得到了较大的提高。
Claims (4)
1.一种基于种群多样性的自适应多目标机器人避障算法,其特征在于,按以下步骤进行:
步骤一:对环境进行建模,种群初始化,并判断种群个体与障碍物之间的关系;
步骤二:基于种群多样性的自适应多目标机器人路径规划算法;
步骤三:对所得的结果进行路径平滑处理,最后得到该地图中机器人行走的最优路径。
2.根据权利要求1所述的一种基于种群多样性的自适应多目标机器人避障算法,其特征在于,
步骤一:对环境进行建模,种群初始化,并判断种群个体与障碍物之间的关系:
(1)环境建模:多边形表示障碍物,点表示机器人,确定机器人的起始点与终止点;
(2)种群初始化:将起点和终点做一条直线连线,将该直线看成是新的横坐标轴XX,做垂直于XX的新的纵坐标轴YY,将该直线若干等分,下面就可以在每条等分线上分别随机取一点,形成初始种群个体;
(3)判断种群个体是否在障碍物内:
若在障碍物内或在边缘上,则删除该点,并重新生成初始点,否则保留该点;随机点与障碍物的关系采用射线法进行判别;
(4)判断机器人路径是否与障碍物相交:
首先取第一个障碍物的第一条边和随机点结构的第一条边,根据线段所在边的直线方程来计算折线与障碍物边是否相交;循环操作,计算出每条折线与每个障碍物的每条边的交点,判定交点是否在障碍物边所在线段的范围,若某路径段与障碍物的某条边相交,采用重新生成第二个路径点的方式重新初始化该点,一直到所有路径与障碍物均不相交为止。
3.根据权利要求1所述的一种基于种群多样性的自适应多目标机器人避障算法,其特征在于,
步骤二:基于种群多样性的自适应多目标机器人路径规划算法:
(1)计算种群个体的适应度,并进行环境选择,如果外部存档集的规模超过约定值,利用修剪过程降低其大小,如果大小比约定值小,则从种群个体中选取支配个体填满之;
(2)判断是否满足终止条件,若满足,则返回结果并结束,否则继续;
(3)对种群进行锦标赛选择;
(4)计算种群多样性指数;
其中种群多样性指数H定义如下:
其中,n表示物种数目,表示种群内第个物种占总数的比例。为了定量的分析种群多样性,我们定义数值为物种聚集距离,如果若干个体之间的聚集距离均小于,那么它们之间存在着足够高的的相似度,这些个体构成一个物种;
(5)按照自适应调整公式对交叉变异概率进行调整:
基于种群多样性的自适应交叉变异概率调整公式如下:
在上述公式中,分别表示事先设定的交叉、变异概率的上限下限,H代表种群多样性指数;
(6)根据得到的交叉变异概率对种群个体进行交叉变异操作,转到步骤(1)。
4.根据权利要求1所述的一种基于种群多样性的自适应多目标机器人避障算法,其特征在于,
步骤三、对所得的结果进行路径平滑处理并且输出结果:
在算法结束后,对所得到的机器人路径进行平滑处理,具体方法运用计算几何的方法求解两条线段之间夹角的情况;如果是钝角的话不做特殊处理,如果是锐角或者是直角的话,也就是说机器人在拐弯时的角度过大,因此就需要修改路径,需要将夹角为锐角或直角的两条相邻的边上增加结点,经过平滑处理后,最后得到该地图中机器人行走的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310563216.4A CN104035438A (zh) | 2013-11-14 | 2013-11-14 | 一种基于种群多样性的自适应多目标机器人避障算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310563216.4A CN104035438A (zh) | 2013-11-14 | 2013-11-14 | 一种基于种群多样性的自适应多目标机器人避障算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104035438A true CN104035438A (zh) | 2014-09-10 |
Family
ID=51466244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310563216.4A Pending CN104035438A (zh) | 2013-11-14 | 2013-11-14 | 一种基于种群多样性的自适应多目标机器人避障算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104035438A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446339A (zh) * | 2015-12-22 | 2016-03-30 | 安徽工程大学 | 一种移动机器人路径规划方法 |
CN105759836A (zh) * | 2016-03-14 | 2016-07-13 | 武汉卓拔科技有限公司 | 一种基于3d摄像头的无人机避障方法及装置 |
CN105988468A (zh) * | 2015-01-28 | 2016-10-05 | 中国人民公安大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
CN106202744A (zh) * | 2016-07-12 | 2016-12-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场集电系统避障路径优化方法和系统 |
CN106217377A (zh) * | 2015-10-14 | 2016-12-14 | 山东世纪元通智能科技有限公司 | 路径点式行走机器人的控制方法 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
CN108052102A (zh) * | 2017-12-08 | 2018-05-18 | 北京奇虎科技有限公司 | 机器人行进路线的确定方法、装置及机器人 |
CN108398881A (zh) * | 2018-02-06 | 2018-08-14 | 南京信息工程大学 | 一种基于记忆免疫学的多个飞行器飞行控制方法 |
CN109417477A (zh) * | 2016-01-05 | 2019-03-01 | 卡耐基梅隆大学 | 用于自动化车辆的安全架构 |
CN109696909A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 足式机器人路径规划方法及装置 |
CN110221604A (zh) * | 2019-05-16 | 2019-09-10 | 浙江工业大学 | 一种基于遗传算法的快速全局路径规划方法 |
CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
CN111897328A (zh) * | 2020-07-17 | 2020-11-06 | 武汉理工大学 | 一种基于改进人工势场法的路径规划方法、装置及设备 |
CN112214031A (zh) * | 2020-09-25 | 2021-01-12 | 北京理工大学 | 基于遗传粒子群算法的多节点协同着陆位置规划方法 |
CN113124891A (zh) * | 2021-04-20 | 2021-07-16 | 东软睿驰汽车技术(沈阳)有限公司 | 一种行驶路径规划方法及相关装置 |
-
2013
- 2013-11-14 CN CN201310563216.4A patent/CN104035438A/zh active Pending
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105988468A (zh) * | 2015-01-28 | 2016-10-05 | 中国人民公安大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
CN106217377A (zh) * | 2015-10-14 | 2016-12-14 | 山东世纪元通智能科技有限公司 | 路径点式行走机器人的控制方法 |
CN106313043A (zh) * | 2015-10-14 | 2017-01-11 | 山东世纪元通智能科技有限公司 | 一种路径点式行走机器人系统的控制方法 |
CN106217377B (zh) * | 2015-10-14 | 2018-07-27 | 山东世纪元通智能科技有限公司 | 路径点式行走机器人的控制方法 |
CN106313043B (zh) * | 2015-10-14 | 2019-04-26 | 山东世纪元通智能科技有限公司 | 一种路径点式行走机器人系统的控制方法 |
CN105446339A (zh) * | 2015-12-22 | 2016-03-30 | 安徽工程大学 | 一种移动机器人路径规划方法 |
CN109417477B (zh) * | 2016-01-05 | 2021-12-21 | 卡耐基梅隆大学 | 用于自动化车辆的安全架构 |
CN109417477A (zh) * | 2016-01-05 | 2019-03-01 | 卡耐基梅隆大学 | 用于自动化车辆的安全架构 |
CN105759836A (zh) * | 2016-03-14 | 2016-07-13 | 武汉卓拔科技有限公司 | 一种基于3d摄像头的无人机避障方法及装置 |
CN106202744A (zh) * | 2016-07-12 | 2016-12-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场集电系统避障路径优化方法和系统 |
CN106202744B (zh) * | 2016-07-12 | 2019-09-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 海上风电场集电系统避障路径优化方法和系统 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
CN109696909A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 足式机器人路径规划方法及装置 |
CN109696909B (zh) * | 2017-10-23 | 2022-04-15 | 深圳市优必选科技有限公司 | 足式机器人路径规划方法及装置 |
CN108052102B (zh) * | 2017-12-08 | 2021-09-28 | 成都全景智能科技有限公司 | 机器人行进路线的确定方法、装置及机器人 |
CN108052102A (zh) * | 2017-12-08 | 2018-05-18 | 北京奇虎科技有限公司 | 机器人行进路线的确定方法、装置及机器人 |
CN108398881A (zh) * | 2018-02-06 | 2018-08-14 | 南京信息工程大学 | 一种基于记忆免疫学的多个飞行器飞行控制方法 |
CN108398881B (zh) * | 2018-02-06 | 2021-02-19 | 南京信息工程大学 | 一种基于记忆免疫学的多个飞行器飞行控制方法 |
CN110221604A (zh) * | 2019-05-16 | 2019-09-10 | 浙江工业大学 | 一种基于遗传算法的快速全局路径规划方法 |
CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
CN111897328A (zh) * | 2020-07-17 | 2020-11-06 | 武汉理工大学 | 一种基于改进人工势场法的路径规划方法、装置及设备 |
CN112214031A (zh) * | 2020-09-25 | 2021-01-12 | 北京理工大学 | 基于遗传粒子群算法的多节点协同着陆位置规划方法 |
CN112214031B (zh) * | 2020-09-25 | 2021-08-20 | 北京理工大学 | 基于遗传粒子群算法的多节点协同着陆位置规划方法 |
CN113124891A (zh) * | 2021-04-20 | 2021-07-16 | 东软睿驰汽车技术(沈阳)有限公司 | 一种行驶路径规划方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104035438A (zh) | 一种基于种群多样性的自适应多目标机器人避障算法 | |
CN109116841B (zh) | 一种基于蚁群算法的路径规划平滑优化方法 | |
CN107272679B (zh) | 基于改进的蚁群算法的路径规划方法 | |
CN105527964B (zh) | 一种机器人路径规划方法 | |
CN110347151B (zh) | 一种融合Bezier优化遗传算法的机器人路径规划方法 | |
CN104050390A (zh) | 一种基于可变维粒子群膜算法的移动机器人路径规划方法 | |
Xue et al. | Path planning of mobile robot based on improved ant colony algorithm for logistics | |
CN107229287A (zh) | 一种基于遗传蚂蚁算法的无人机全局路径规划方法 | |
CN105117461B (zh) | 一种基于改进的遗传算法的查询优化方法 | |
CN109931943B (zh) | 无人船舶全局路径规划方法及电子设备 | |
CN113985888B (zh) | 一种基于改进蚁群算法的叉车路径规划方法及系统 | |
CN112327876B (zh) | 一种基于终距指数的机器人路径规划方法 | |
CN114964261A (zh) | 基于改进蚁群算法的移动机器人路径规划方法 | |
CN111366169B (zh) | 一种确定性移动机器人路径规划方法 | |
CN107992645A (zh) | 基于混沌-烟花混合算法的污水处理过程软测量建模方法 | |
CN108154003B (zh) | 基于Spark基因表达式优化的爆破振动预测方法 | |
CN108663050B (zh) | 一种基于模拟植物生长引导rrt算法的路径规划方法 | |
Li et al. | Application of improved ant colony optimization in mobile robot trajectory planning | |
Li et al. | An improved differential evolution based artificial fish swarm algorithm and its application to AGV path planning problems | |
CN117419739A (zh) | 一种输煤系统巡检机器人的路径规划优化方法 | |
CN108198084A (zh) | 一种复杂网络重叠社区发现方法 | |
CN102096830A (zh) | 一种基于克隆选择的高光谱遥感影像亚像元定位方法 | |
CN112000105A (zh) | 一种基于交流策略蚁群算法的移动机器人路径规划方法 | |
CN115454070A (zh) | 一种K-Means蚁群算法多机器人路径规划方法 | |
CN115494840A (zh) | 一种基于蒙特卡洛因子的mc-iaco的焊接机器人路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140910 |