CN104850011B - 一种障碍物环境中tsp避障最优路径规划方法 - Google Patents
一种障碍物环境中tsp避障最优路径规划方法 Download PDFInfo
- Publication number
- CN104850011B CN104850011B CN201510267991.4A CN201510267991A CN104850011B CN 104850011 B CN104850011 B CN 104850011B CN 201510267991 A CN201510267991 A CN 201510267991A CN 104850011 B CN104850011 B CN 104850011B
- Authority
- CN
- China
- Prior art keywords
- path
- target
- grid
- tsp
- optimal
- 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.)
- Active
Links
Landscapes
- Numerical Control (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种障碍物环境中TSP避障最优路径规划方法,包括以下步骤:(1)利用栅格法划分环境地图,设定栅格地图的分辨率,障碍物栅格位置,要遍历的所有目标点栅格;(2)利用遗传算法搜索得到每两个目标栅格之间的最优栅格路径以及该路径的最短距离;(3)采用上述最优栅格路径和距离代替目标栅格对应的坐标点之间的直线路径和距离,对所有目标栅格对应的坐标点采用经典TSP问题路径规划的遗传算法设计进行规划,得到有障碍物的栅格环境中TSP问题的最优栅格路径和最短距离。与现有技术相比,本发明解决了实际工程应用中存在障碍物约束下,遍历多个任务点,以避障和最短路径距离为目标的遍历次序最优组合规划难题。
Description
技术领域
本发明涉及智能路径规划领域,尤其是涉及一种障碍物环境中TSP避障最优路径规划方法。
背景技术
旅行商问题的最早模型是18世纪欧拉研究的骑士周游问题,就是寻找遍历国际象棋棋盘所有格子的方法。其一般性描述为:已知N个目标点的详细坐标信息,任务必须遍历所有目标点ci一次,最终返回起始点c1。求取任务遍历次序R=(c1,c2,...,cN,c1),使其便利路径总长度最短。
最优路径目标函数为:
在工程应用、自动化、人工智能等诸多领域中,TSP的优化问题存在许多实际应用。如移动通信基站布点、电气设备布线连接、印刷电路钻孔、货物物流运输分配、灾情巡视调度安排、焊接机器人焊钳路径规划以及变电站巡检机器人路径规划等,都可运用TSP路径规划原理对其进行路径规划寻优,以得到目标点的最优遍历路径和距离,从而节约工业成本和人力资源成本。
目前对于TSP问题路径规划问题的研究,大多没有考虑障碍物对于路径的约束,只是停留在经典TSP问题的路径优化性能层面。而在多数实际应用的障碍物环境中,简单地套用经典TSP问题规划的公式计算任意两点间的直线距离,会跨越障碍物区域,产生无效路径,从而使得优化结果并不符合实际情况。目前的研究,缺少一种真正考虑避障和路径寻优双目标的TSP问题路径规划方法。
对于这类带约束的非线性NP最短路径组合优化问题,属于多点搜索算法的遗传算法具有隐并行性特点,鲁棒性高,全局搜索性能好,能很好地从组合的离散点收敛至全局最优点,规划得到最短路径。通过规划出两两目标点之间的最优栅格路径和最短距离,分别将其作为两目标点的固定路径和距离,首先解决了障碍物环境中TSP路径规划的避障问题。以此为前提,采用经典TSP问题路径规划的遗传算法设计,得出遍历所有目标点的最优遍历次序,所有最优遍历次序目标点之间的最优栅格路径和最短距离的连接即是障碍物环境中TSP的整体最优路径和总距离。
发明内容
本发明的目的就是为了克服实际工程应用的障碍物环境中TSP问题路径优化难题而提供一种障碍物环境中TSP避障最优路径规划方法,将两两目标点间最优栅格路径和最短距离代替对应目标点间直线路径和直线距离,在避开障碍物的前提下进行目标栅格的遍历路径寻优,很好地实现了避障和最优路径的两大目标,得到了障碍物环境中TSP问题的最优组合路径。
本发明的目的可以通过以下技术方案来实现:
一种障碍物环境中TSP避障最优路径规划方法,其特征在于,包括以下步骤:
(1)利用栅格法划分环境地图,设定栅格地图的分辨率,障碍物栅格位置,要遍历的所有目标点栅格;
(2)利用遗传算法搜索得到每两个目标栅格之间的最优栅格路径以及该路径的最短距离;
(3)采用上述最优栅格路径和距离代替目标栅格对应的坐标点之间的直线路径和距离,对所有目标栅格对应的坐标点采用经典TSP问题路径规划的遗传算法设计进行规划,得到有障碍物的栅格环境中TSP问题的最优栅格路径和最短距离。
所述的每两个目标栅格之间的最优栅格路径具体为:
有障碍物的栅格环境中的n个目标栅格之间共有个两两目标栅格对,将每个目标栅格对应的一个目标栅格视为起点,另一目标栅格为目标点,则两两目标栅格之间的路径规划等效于条已知起点和目标点的栅格环境中最短路径规划问题。
根据栅格地图的建模原理,可以确定在栅格中行走路径的约束条件。对于这类带约束的非线性NP最短路径组合优化问题,属于多点搜索算法的遗传算法具有隐并行性特点,鲁棒性高,全局搜索性能好,能很好地从组合的离散点收敛至全局最优点,规划得到最短路径。
所述的采用上述最优栅格路径代替目标栅格对应的坐标点之间的直线路径具体为:
经典TSP问题中,任意两个任务点ci和ci+1之间通过直线连接,两点的距离d(ci,ci+1)就是利用坐标的距离公式求出的距离
在多数实际应用的障碍物环境中,简单地套用以上公式计算任意两点间的直线距离,会跨越障碍物区域,从而产生无效路径;
通过规划出两两目标点之间的最优栅格路径和最短距离,分别将其作为两目标点的固定路径和距离,解决了障碍物环境中TSP路径规划的避障问题。
采用经典TSP路径规划的遗传算法设计,得出遍历所有目标点的最优遍历次序,所有最优遍历次序目标点之间的最优栅格路径和最短距离的连接即是障碍物环境中TSP的整体最优路径和总距离。
将两两目标栅格间最优路径和最短距离代替对应目标点间直线路径和直线距离,在避开障碍物的前提下进行目标栅格的遍历路径寻优,很好地实现了避障和最优路径的两大目标,得到了障碍物环境中TSP问题的最优组合路径。
与现有TSP问题路径规划方法相比,本发明通过将两两目标栅格间最优路径和最短距离代替对应目标点间直线路径和直线距离,在避开障碍物的前提下进行目标栅格的遍历路径寻优,很好地实现了避障和最优路径的两大目标,得到了障碍物环境中TSP问题的最优组合路径。
附图说明
图1为本发明方法的环境地图的10×10栅格划分图;
图2为本发明方法的栅格地图中两目标栅格的最优路径表示图;
图3为本发明实施方式中所有目标栅格之间最优路径矩阵图;
图4为本发明实施方式中9个目标点的经典TSP路径规划图;
图5为本发明实施方式中最终障碍物环境中TSP最优路径图;
表1为本发明实施方式中所有目标栅格之间最优路径详细信息表;
表2为本发明实施方式中9个目标栅格的避障TSP最优路径详细信息表。
具体实施方式
下面将结合图形与文字对其具体的实施方式进行说明并通过仿真结果进行说明。
如图1所示,采用栅格法将遍历平面空间划分为10×10栅格环境地图,每一栅格大小相等且具有直角坐标(x,y)和栅格序号N二值信息。给每个栅格单元赋予一个属性值P,空白栅格P值为0,表示遍历正常行走的通道;阴影栅格P值为1,表示不能跨越的障碍物。模拟在自由通道行走时,需定义连续的相邻栅格。一般地,当前栅格N与8个栅格相邻,这8个相邻栅格分别记作N-10-1,N-1,N+10-1,N+10,N+10+1,N+1,N-10+1,N-10。
采用不等长染色体的方法进行编码,起始点和目标点之间一条完整路径的每个栅格序号连串形成一条染色体,染色体的每个基因即为一个个经过的栅格序号。用特殊的初始化方法对路径种群进行初始化,在每个基因上对每条染色体进行选择、交叉、变异的遗传操作,选择合适的交叉概率、变异概率和遗传终止条件对路径进行搜索,可以得到已知起点和目标点之间的最优栅格路径。有障碍物的栅格环境中的n个目标栅格之间共有个两两目标栅格对。将每个目标栅格对的一个目标栅格视为起点,另一目标栅格为目标点,则两两目标栅格之间的路径规划等效于条已知起点和目标点的栅格环境中最短路径规划问题,可用遗传算法搜索得到两两目标栅格之间的最优路径和最短距离。
经典TSP问题中,任意两个任务点ci和ci+1之间通过直线连接,两点的距离d(ci,ci+1)就是利用坐标的距离公式求出的距离
在多数实际应用的障碍物环境中,简单地套用以上公式计算任意两点间的直线距离,会跨越障碍物区域,从而产生无效路径。通过规划出两两目标点之间的最优栅格路径和最短距离,分别将其作为两目标点的固定路径和距离,首先解决了障碍物环境中TSP路径规划的避障问题。以此为前提,采用经典TSP路径规划的遗传算法设计,得出遍历所有目标点的最优遍历次序,所有最优遍历次序目标点之间的最优栅格路径和最短距离的连接即是障碍物环境中TSP的整体最优路径和总距离。
在MATLAB 7.10平台对基于栅格地图和遗传算法设计的方法进行仿真,以验证所设计的方法在障碍物环境中TSP问题路径优化效果。
1栅格地图建模
遍历平面空间划分为10×10栅格地图,栅格号分别用1——100的数字表示,每一栅格对应的坐标用MATLAB编程语言表示为:
障碍物用阴影栅格表示,分布栅格序号分别为:9,13,14,23,24,27,28,37,38,40,41,43,44,50,51,53,54,57,67,68,72,82,84,88,89,94,所要遍历的所有目标点分布栅格序号分别为:1,26,29,46,59,52,77,83,100。
2两两目标栅格间路径最优路径
采用遗传算法搜索障碍物环境中起点与目标点之间的最短路径寻优方法。群体个体数目为s=1000,c=50,交叉概率Pc=0.90,变异概率Pm=0.10,遗传代数为500代。9个目标栅格之间共有36个栅格对,将每个目标栅格对的一个目标栅格视为起点,另一目标栅格为目标点,两两目标栅格之间的最优路径和最短距离仿真结果如图3和表1。
表1
3障碍物环境中TSP最优路径
采用同样的遗传参数,利用经典TSP路径规划的遗传算法对对应的9个目标栅格进行路径规划,得到最优路径图如图4,遍历路径目标点序号为1—52—83—77—100—59—29—46—26—1,路径总距离为341.0378。
将规划出的两两目标点之间的最优栅格路径和最短距离,分别作为对应两目标点的固定路径和距离,采用经典TSP路径规划的遗传算法设计,得出遍历所有目标点的最优遍历路径如图5,具体路径信息如表2,遍历路径目标栅格序号次序为1—52—83—77—100—59—29—46—26—1,具体经过栅格路径总距离为381.420,符合实际最优路径规划结果。
表2
Claims (3)
1.一种障碍物环境中TSP避障最优路径规划方法,其特征在于,包括以下步骤:
(1)利用栅格法划分环境地图,设定栅格地图的分辨率,障碍物栅格位置,要遍历的所有目标点栅格;
(2)利用遗传算法搜索得到每两个目标栅格之间的最优栅格路径以及该路径的最短距离;
(3)采用上述最优栅格路径以及该路径的最短距离代替目标栅格对应的坐标点之间的直线路径和距离,对所有目标栅格对应的坐标点采用经典TSP问题路径规划的遗传算法设计进行规划,得到有障碍物的栅格环境中TSP问题的最优栅格路径和最短距离;
所述的每两个目标栅格之间的最优栅格路径具体为:
有障碍物的栅格环境中的n个目标栅格之间共有个两两目标栅格对,将每个目标栅格对应的一个目标栅格视为起点,另一目标栅格为目标点,则两两目标栅格之间的路径规划等效于条已知起点和目标点的栅格环境中最短路径规划问题;
所述的采用上述最优栅格路径代替目标栅格对应的坐标点之间的直线路径具体为:
通过规划出两两目标点之间的最优栅格路径和最短距离,分别将其作为两目标点的固定路径和距离。
2.根据权利要求1所述的一种障碍物环境中TSP避障最优路径规划方法,其特征在于,采用经典TSP路径规划的遗传算法设计,得出遍历所有目标点的最优遍历次序,所有最优遍历次序目标点之间的最优栅格路径和最短距离的连接即是障碍物环境中TSP的整体最优路径和总距离。
3.根据权利要求1所述的一种障碍物环境中TSP避障最优路径规划方法,其特征在于,将两两目标栅格间最优路径和最短距离代替对应目标点间直线路径和直线距离,在避开障碍物的前提下进行目标栅格的遍历路径寻优,很好地实现了避障和最优路径的两大目标,得到了障碍物环境中TSP问题的最优组合路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510267991.4A CN104850011B (zh) | 2015-05-22 | 2015-05-22 | 一种障碍物环境中tsp避障最优路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510267991.4A CN104850011B (zh) | 2015-05-22 | 2015-05-22 | 一种障碍物环境中tsp避障最优路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104850011A CN104850011A (zh) | 2015-08-19 |
CN104850011B true CN104850011B (zh) | 2017-11-03 |
Family
ID=53849729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510267991.4A Active CN104850011B (zh) | 2015-05-22 | 2015-05-22 | 一种障碍物环境中tsp避障最优路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104850011B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107748499B (zh) * | 2017-10-27 | 2020-09-01 | 合肥工业大学 | 固定翼无人机多区域探测任务规划的优化方法及装置 |
CN107703945A (zh) * | 2017-10-30 | 2018-02-16 | 洛阳中科龙网创新科技有限公司 | 一种多目标融合的智能农用机械路径规划方法 |
CN109214755A (zh) * | 2018-09-14 | 2019-01-15 | 厦门大学嘉庚学院 | 一种仓储管理中的自动排单调度方法 |
CN109063212A (zh) * | 2018-09-28 | 2018-12-21 | 西北工业大学 | 一种基于可见光通信的智能辅助导购系统及方法 |
US20220083076A1 (en) * | 2019-01-11 | 2022-03-17 | Sony Group Corporation | Action planning apparatus, action planning method, and program |
CN109631907A (zh) * | 2019-01-25 | 2019-04-16 | 河海大学 | 一种餐厅服务机器人的巡回避障路径规划方法 |
CN110727277A (zh) * | 2019-08-23 | 2020-01-24 | 珠海格力电器股份有限公司 | 带毫米波雷达的洗车机的控制方法.装置及智能洗车机 |
CN110501907B (zh) * | 2019-08-29 | 2020-10-20 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
CN112667924B (zh) * | 2020-12-18 | 2023-10-27 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112612273B (zh) * | 2020-12-21 | 2021-08-24 | 南方电网电力科技股份有限公司 | 一种巡检机器人避障路径规划方法、系统、设备和介质 |
CN113759922B (zh) * | 2021-09-14 | 2023-06-09 | 安徽工程大学 | 一种基于弹簧算法的机器人路径规划方法 |
CN115826591B (zh) * | 2023-02-23 | 2023-04-18 | 中国人民解放军海军工程大学 | 一种基于神经网络估计路径代价的多目标点路径规划方法 |
CN117952498A (zh) * | 2024-03-26 | 2024-04-30 | 云南电投绿能科技有限公司 | 一种光伏运输车的配置方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
KR20120027930A (ko) * | 2010-09-14 | 2012-03-22 | 인하대학교 산학협력단 | 유전자 알고리즘을 이용한 이동객체의 최적경로 생성 시스템 |
CN103697895A (zh) * | 2014-01-09 | 2014-04-02 | 西安电子科技大学 | 基于自适应a星算法的飞行器最优路径确定方法 |
-
2015
- 2015-05-22 CN CN201510267991.4A patent/CN104850011B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493329A (zh) * | 2008-01-23 | 2009-07-29 | 华东师范大学 | 一种多目标点路径规划方法和装置 |
KR20120027930A (ko) * | 2010-09-14 | 2012-03-22 | 인하대학교 산학협력단 | 유전자 알고리즘을 이용한 이동객체의 최적경로 생성 시스템 |
CN103697895A (zh) * | 2014-01-09 | 2014-04-02 | 西安电子科技大学 | 基于自适应a星算法的飞行器最优路径确定方法 |
Non-Patent Citations (3)
Title |
---|
基于遗传算法的避障TSP问题算法设计;陈晶;《研究与开发》;20060228;第24-26页 * |
多目标路径规划方法的研究;郭季,高博;《自动化仪表》;20100731;第3l卷(第7期);第12-14页 * |
栅格遗传算法的变电站巡检机器人路径规划;姜英杰,等;《科技与创新》;20150417(第6期);第8-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104850011A (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104850011B (zh) | 一种障碍物环境中tsp避障最优路径规划方法 | |
CN106527448B (zh) | 适用于仓库环境的改进a*机器人最优路径规划方法 | |
CN107990903A (zh) | 一种基于改进a*算法的室内agv路径规划方法 | |
CN107807665B (zh) | 无人机编队探测任务协同分配方法及装置 | |
CN101702655B (zh) | 网络拓扑图的布局方法和系统 | |
CN105046363B (zh) | 一种区域配电系统单线图布局和优化方法 | |
CN104462685B (zh) | 基于网格GIS和Floyd算法的输电线路设计方法 | |
CN103116865A (zh) | 一种多维度协同电网规划的方法 | |
CN107228673A (zh) | 航路规划方法及装置 | |
CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN108985516B (zh) | 基于元胞自动机的室内路径规划方法 | |
CN108413963A (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
Seo et al. | Assembly planning for planar structures of a brick wall pattern with rectangular modular robots | |
CN106934487A (zh) | 一种多条电缆的三维空间敷设路径优化方法 | |
CN108665117A (zh) | 一种室内空间最短路径的计算方法、装置、终端设备以及存储介质 | |
CN101840202B (zh) | 一种控制系统建模中的功能块智能布线方法 | |
Jerin Leno et al. | MIP model and elitist strategy hybrid GA–SA algorithm for layout design | |
Fetanat et al. | Optimization of dynamic mobile robot path planning based on evolutionary methods | |
CN109460564B (zh) | 一种电网潮流图布线方法 | |
BAYGIN et al. | PSO based path planning approach for multi service robots in dynamic environments | |
Li et al. | Dijkstra's algorithm in AGV | |
CN107122858B (zh) | 复杂推移式活动隔断系统隔板运送路径规划方法 | |
Viet et al. | Obstacle avoidance path planning for mobile robot based on multi colony ant algorithm | |
Lin et al. | Applying an immune ant colony system algorithm to solve an integrated flexible bay facility layout problem with input/output points design | |
Pu et al. | Improved ant colony algorithm in path planning of a single robot and multi-robots with multi-objective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |