本發(fā)明涉及機器人自主導(dǎo)航，更具體的說是涉及一種基于融合元胞遺傳算法的路徑規(guī)劃方法。

背景技術(shù)：

1、隨著地面移動機器人智能化程度的提高，機器人的路徑規(guī)劃能力尤為重要，是自主導(dǎo)航中的重要一環(huán)。目前，一般采用遺傳算法對機器人進(jìn)行路徑規(guī)劃，由于遺傳算法的隨機性和全局搜索特性，其收斂速度相對較慢。這可能導(dǎo)致算法在有限的時間內(nèi)無法找到最優(yōu)解，或者找到的解的質(zhì)量不夠高。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于融合元胞遺傳算法的路徑規(guī)劃方法，解決了現(xiàn)有技術(shù)中基于遺傳算法進(jìn)行路徑規(guī)劃時，求解速度慢，且路徑規(guī)劃適應(yīng)度差的問題。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種基于融合元胞遺傳算法的路徑規(guī)劃方法，包括以下步驟：

4、建立環(huán)境地圖及路徑編碼策略，使用柵格模型作為環(huán)境地圖，使用矩形元胞空間作為元胞自動機的元胞空間，使遺傳算法的進(jìn)化空間內(nèi)的一個柵格對應(yīng)一個元胞空間內(nèi)的一個元胞；

5、確定適應(yīng)度函數(shù)；

6、在初始化種群演化規(guī)則的不斷迭代下，初始化出所有路徑個體，得到存儲有初始種群信息的元胞狀態(tài)矩陣；

7、從種群中選取適應(yīng)度排名靠前的解直接進(jìn)入下一代，剩余個體進(jìn)行隨機兩兩配對操作；

8、通過交叉、變異演化規(guī)則在元胞狀態(tài)矩陣上進(jìn)行迭代演化，通過適應(yīng)度排序更新種群；

9、當(dāng)從某一代開始，種群中的最優(yōu)適應(yīng)度個體連續(xù)幾代不再變化，則終止算法的迭代過程，輸出此時種群中的最優(yōu)解作為路徑規(guī)劃的結(jié)果。

10、進(jìn)一步的，所述元胞狀態(tài)矩陣中的每一列代表一條路徑，每一行代表一種元胞狀態(tài)；每條路徑的元胞狀態(tài)包含六個狀態(tài)標(biāo)志位，分別為：number、next、prev、cross、pass和obst；

11、其中，number代表路徑個體標(biāo)志；

12、next代表當(dāng)前路徑的下一元胞指向標(biāo)志，若元胞狀態(tài)中某路徑個體的next狀態(tài)值為0，則表示該路徑?jīng)]有從此元胞繼續(xù)延伸；

13、prev代表當(dāng)前路徑的上一元胞指向標(biāo)志，若元胞狀態(tài)中某路徑個體的prev狀態(tài)值為0，則表示該路徑?jīng)]有進(jìn)入此元胞；

14、cross代表傳遞交叉狀態(tài)標(biāo)志，用于區(qū)分是否需要交換對應(yīng)親本個體的基因，cross＝0，說明當(dāng)前元胞對應(yīng)路徑個體尚未交叉，cross＝1，說明對應(yīng)父代個體已交叉；

15、pass代表已經(jīng)過的元胞標(biāo)志，若i號路徑的pass值為0，說明i號路徑尚未經(jīng)過當(dāng)前元胞；若i號路徑的pass值為1，說明i號路徑已經(jīng)過當(dāng)前元胞；

16、obst代表對障礙物的區(qū)分標(biāo)志，若obst值取0，代表當(dāng)前元胞為自由柵格元胞；若obst值取1，代表當(dāng)前元胞為障礙元胞。

17、進(jìn)一步的，對于序號為i路徑，其適應(yīng)度函數(shù)表示為：

18、fi＝2mn-di

19、式中，di表示序號為i的路徑的長度，m和n分別表示柵格環(huán)境地圖的行數(shù)和列數(shù)。

20、進(jìn)一步的，所述初始化種群演化規(guī)則包括：

21、設(shè)置種群數(shù)量為n，設(shè)定輔助矩陣ball，其大小與元胞空間相同，將路徑等價為小球，ball(a)表示一個數(shù)組，表示元胞序號為a的元胞中當(dāng)前持有小球的序號集合；

22、初始時，根據(jù)柵格地圖信息，更新各元胞對應(yīng)的obst狀態(tài)，每一元胞中的number狀態(tài)行填入從1遞增至n的整數(shù)，其余狀態(tài)均置0；

23、對所有元胞，檢測當(dāng)前元胞的鄰居元胞中是否有某條路徑序號對應(yīng)的next狀態(tài)為本元胞序號且其pass狀態(tài)為0的鄰居，若存在這樣的鄰居，且本中心元胞對應(yīng)路徑個體的prev值為0，則將prev狀態(tài)更新為對應(yīng)鄰居元胞的序號；

24、選擇小球下一步的走向，每一步演化中，所有元胞檢查其元胞序號a對應(yīng)的ball(a)是否非空，若非空，則為ball(a)中每一個序號對應(yīng)的小球分別選擇其下一位置，更新對應(yīng)序號所指示next狀態(tài)的值。

25、進(jìn)一步的，選擇小球下一步走向時，需要考慮以下因素：

26、因素一：根據(jù)起點終點空間上的相對位置關(guān)系的不同，小球在當(dāng)前元胞的八鄰域型鄰居中選擇不同方向鄰居的概率也不同，當(dāng)鄰居中存在障礙物時，將障礙物元胞上的概率按比例均分給其余非障礙元胞；

27、因素二：考慮當(dāng)前元胞鄰居中obst狀態(tài)和pass狀態(tài)的作用，obst狀態(tài)為0，且pass狀態(tài)也為0的鄰居元胞為有效的鄰居元胞，依靠有效鄰居元胞對應(yīng)方向概率的大小，選擇小球的下一位置loci，并在當(dāng)前元胞狀態(tài)信息中，更新小球編號對應(yīng)的next狀態(tài)，將對應(yīng)pass狀態(tài)置為1，同時將輔助矩陣中對應(yīng)序號的小球從當(dāng)前ball(i)中刪除，并加入到ball(loci)中；如果當(dāng)前元胞序號為終點序號goal，則小球等效于不移動，狀態(tài)值不再改變；當(dāng)ball(goal)＝[1,2,3,……,n]時，演化停止；

28、因素三：考慮路徑生成過程遇到死路的情況，當(dāng)某一元胞中的某小球沒有有效鄰居時，將其next狀態(tài)值置為其當(dāng)前對應(yīng)的prev狀態(tài)值，并將路徑序號對應(yīng)的pass值置為1，將當(dāng)前元胞視為特殊的障礙物，使得后續(xù)路徑不再重新進(jìn)入此元胞；不斷重復(fù)這一過程，直到路徑繼續(xù)沿著可行的方向延伸。

29、進(jìn)一步的，所述交叉、變異演化規(guī)則包括：

30、在確定好各對親本的交叉點位置之后，從起點元胞開始，在根據(jù)對應(yīng)路徑的next狀態(tài)值指向下一元胞、直到抵達(dá)對應(yīng)交叉點位置的過程中，將依次經(jīng)過的元胞中對應(yīng)路徑的元胞狀態(tài)cross置1；將交叉點位置元胞中對應(yīng)親本的next狀態(tài)值互換，cross狀態(tài)位置1；

31、交叉點位置元胞對應(yīng)路徑序號的cross狀態(tài)位為1，則演化規(guī)則為：每一個元胞檢測其八鄰域型鄰居元胞中cross狀態(tài)位為1的序號，若自身對應(yīng)序號的cross狀態(tài)位為0，則將鄰居內(nèi)cross＝1對應(yīng)number的路徑的prev、next狀態(tài)值分別互換，并將自身對應(yīng)序號的cross置1。

32、進(jìn)一步的，交叉、變異演化中，每一步演化都使得cross＝1的信息向八個方向擴(kuò)散一格，最大演化代數(shù)max設(shè)置為：

33、max＝max{m-1,n-1}

34、其中，max表示取最大值操作，m、n分別表示元胞空間的行數(shù)、列數(shù)。

35、進(jìn)一步的，交叉、變異演化中，變異算子為鄰域變異算子，使路徑的變化限制在單個變異點柵格的八鄰域型之內(nèi)；假設(shè)a號元胞為中心元胞，若a號元胞上i號路徑的next狀態(tài)位為b，若b號鄰居元胞i號的next狀態(tài)位的值仍屬于a號元胞的moore鄰居元胞序號中的一個，則將a號中心元胞i號路徑的next狀態(tài)值置為b號鄰居元胞i號路徑的next狀態(tài)值，使得此路徑從a號元胞直接走向b號元胞的后繼元胞。

36、進(jìn)一步的，在交叉、變異演化中，以a號元胞為中心元胞。路徑序號為i，若a號元胞的八鄰域鄰居集合與i號路徑next值所指向的b號元胞的八鄰域鄰居集合的交集中，存在i號路徑所沒有經(jīng)過的元胞，則隨機選擇一個滿足條件的元胞c，使得a號中心元胞i號路徑的next狀態(tài)值為c，c號元胞i號路徑的next狀態(tài)值為b，同時將b號元胞i號路徑的prev標(biāo)志設(shè)置為c。

37、進(jìn)一步的，種群更新過程包括：

38、經(jīng)過交叉、變異后產(chǎn)生的子代個體數(shù)量與除去精英個體后的父代數(shù)量相同；對兩代種群中的所有路徑個體根據(jù)適應(yīng)度大小排序，選擇出適應(yīng)度值在前50％的個體，加上選擇階段選出的精英個體，共同作為下一代的種群，并根據(jù)其存儲在元胞狀態(tài)矩陣內(nèi)的信息，填入新的元胞狀態(tài)矩陣，后續(xù)的交叉、變異過程在更新后的元胞狀態(tài)矩陣中進(jìn)行。

39、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

40、本發(fā)明將遺傳算法的進(jìn)化空間、元胞算法的元胞空間和規(guī)劃用的地理空間三者有機的結(jié)合起來，在元胞鄰域內(nèi)可以直接通過元胞狀態(tài)反映出路徑的特征，從而能夠通過元胞自動機的演化使遺傳算法中的種群朝向高適應(yīng)性的方向進(jìn)化，從而更快的求解出最佳路徑。