一种基于象鼻鱼优化策略的路径规划方法

本发明涉及无人系统路径规划领域，特别是涉及一种利用象鼻鱼优化策略进行路径规划的方法。

背景技术：

1、在许多应用领域，如无人机、无人艇、自动驾驶车辆和物流管理等，路径规划是一个重要的问题。路径规划涉及在考虑环境中的各种约束和障碍物的情况下，从起点到目标点找到最优路径。优化的路径可以最小化行程距离、避免障碍物，并满足其他附加约束，如避开限制区域。为了实现高效和安全的导航，需要找到高质量的路径。

2、传统的路径规划方法受限于问题复杂性和搜索空间的维度增加，往往难以在大规模、复杂的环境中找到最优或接近最优的路径。如差分进化算法进行路径规划时主要通过种群的变异和交叉操作进行搜索，容易受到局部最优解的吸引而陷入局部最优解；蚁群算法进行路径规划时通过信息素的追踪和更新逐步调整路径选择，这需要一定的迭代次数，通常需要较长的时间才能收敛到最优解。因此，需要一种更高效、更灵活的算法来解决路径规划问题。

技术实现思路

1、本发明的目的是针对现有技术的不足，提出一种基于象鼻鱼优化策略的路径规划方法，该方法模拟了象鼻鱼的觅食行为和群体协作机制。通过使用象鼻鱼算法，可以在复杂环境中快速、准确地找到最优或接近最优的路径。本发明的技术方案如下：

2、一种基于象鼻鱼优化策略的路径规划方法，包括如下步骤：

3、s1、启动传感器系统扫描环境，生成初始环境地图，经过预处理后生成包括起点、终点以及障碍圆的最终环境地图。

4、s2、初始化迭代次数t＝1，根据莱维飞行公式初始化n个象鼻鱼，一个象鼻鱼表示一条路径；计算每一个象鼻鱼的适应度，其中，适应度与路径长度、通过障碍代价相关。

5、s3、保存n个象鼻鱼中适应度最小的象鼻鱼为最优象鼻鱼。

6、s4、针对每一个象鼻鱼，进行雷达探测生成采样点，并计算采样点的适应度。

7、s5、针对每一个象鼻鱼，若发现适应度优于当前位置的采样点，采取贪心选择策略，象鼻鱼会移动到该采样点。

8、s6、针对每一个象鼻鱼，若未发现适应度更优的采样点，采取资源争夺策略，则按照随机概率选择移向种群最优位置或解空间内的随机位置。

9、s7、计算每一个象鼻鱼更新之后的适应度。

10、s8、t＝t+1,判断t是否达到最大迭代次数，若未达到，则返回s2执行下一次迭代操作，若达到，则将最终的最优象鼻鱼作为全局最优路径。

11、s9、将生成的路径转化为导航指令，以指导机器人在环境中导航。

12、本发明具有以下的特点和有益效果：

13、利用象鼻鱼算法进行路径规划具有以下效果和优势：具有较强的鲁棒性和适应性，能够在复杂环境中快速找到最优或接近最优的路径；通过模拟象鼻鱼的搜索行为和群体协作机制，能够有效地探索搜索空间，并在搜索过程中避免局部最优解陷阱；可以灵活地调整算法参数和停止准则，以满足不同应用场景的需求。

技术特征：

1.一种基于象鼻鱼优化策略的路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于象鼻鱼优化策略的路径规划方法，其特征在于，s1中所述预处理为：对初始环境地图中所有障碍物进行外接圆膨胀。

3.根据权利要求1所述的一种基于象鼻鱼优化策略的路径规划方法，其特征在于，s2中初始化象鼻鱼过程如下：

4.根据权利要求3所述的一种基于象鼻鱼优化策略的路径规划方法，其特征在于，s2中所述计算每一个象鼻鱼的适应度具体过程如下：

5.根据权利要求4所述的一种基于象鼻鱼优化策略的路径规划方法，其特征在于，s4中进行雷达探测生成采样点具体过程如下：

6.根据权利要求5所述的一种基于象鼻鱼优化策略的路径规划方法，其特征在于，s6中所述按照随机概率选择移向种群最优位置或解空间内的随机位置的具体过程如下：

技术总结
本发明公开了一种基于象鼻鱼优化策略的路径规划方法，该方法首先生成初始环境地图，并初始化迭代次数以及N个象鼻鱼，计算每个象鼻鱼的适应度。其次保存适应度最小的象鼻鱼为最优象鼻鱼，并针对每个象鼻鱼，进行探测生成采样点，计算采样点适应度，若适应度优于当前位置，象鼻鱼会移动到该采样点，若未发现适应度更优的采样点，按照随机概率选择移向种群最优位置或解空间内的随机位置。然后计算象鼻鱼更新之后的适应度，进行迭代，将最优象鼻鱼作为全局最优路径。最后将生成的路径转化为导航指令。本发明能够在复杂环境中快速找到最优或接近最优的路径，有效地探索搜索空间，避免局部最优解陷阱。

技术研发人员：颜冬,陈德潮
受保护的技术使用者：杭州电子科技大学
技术研发日：
技术公布日：2024/1/15