技术特征：
1.融合神经网络的改进hho算法agv路径规划，其特征在于，由如下步骤组成：(1)第一步：初始化阶段，初始化阶段先生成障碍物地图，设定好算法相关参数后对哈里斯鹰个体进行位置初始化，并得到初步路径；(2)第二步：迭代阶段，迭代阶段先对路径作平滑处理，计算逃逸能量和路径的适应度值，将路径对所有障碍物进行碰撞检测，判断是否与障碍物现在相撞；(3)第三步：判断阶段，判断阶段主要就根据迭代结果更新个体位置和逃逸能量，直至达到最大次数输出最优路径。2.根据权利要求1所述的融合神经网络的改进hho算法agv路径规划，其特征在于：所述路径平滑处理采用贝塞尔曲线，贝塞尔曲线可将尖锐拐点消除，使之更适宜agv现实使用。3.根据权利要求1所述的融合神经网络的改进hho算法agv路径规划，其特征在于：所述环境建模以可视图法建模，可视图法使用凸多边形拟合映射的障碍物信息，进而将路径规划问题简化为约束条件下求最短路线问题。4.根据权利要求1所述的融合神经网络的改进hho算法agv路径规划，其特征在于：所述在hho算法中，猎物能量e的大小起着调节和过渡随机探测和局部围攻的重要作用，|e|<1且越小时，算法则执行局部围攻；|e|≥1且越大时，算法则进行随机探测；传统hho的能量方程e从初始值e0线性递减至0，这一变化过程不利于脱离局部极值的收敛；因此以动态能量平衡全局和局部搜索，首先借鉴双曲正切函数的思想，在算法迭代前中期位置更新处引入动态双曲正切速率s，迭代后期引入正弦波动速率；其中采用的动态双曲正切速率，在算法迭代前期，改进算法获得较大猎物能量以保证其在更广阔的区域搜索最优解；在算法迭代中期，改进算法获得较小猎物能量，使当前个体可以在最优个体附进行精确搜索，有效地平衡了全局探测与局部寻优；算法迭代后期，利用正弦波不规则变换的特点来增强最优个体在局部空间开发的多元性，协助哈里斯鹰个体跳出局部最优。
技术总结
本发明公开了融合神经网络的改进HHO算法AGV路径规划，所述路径平滑处理采用贝塞尔曲线，贝塞尔曲线可将尖锐拐点消除，使之更适宜AGV现实使用，所述环境建模以可视图法建模，可视图法使用凸多边形拟合映射的障碍物信息，进而将路径规划问题简化为约束条件下求最短路线问题，本发明的有益效果是：该融合神经网络的改进HHO算法AGV路径规划，改进的HHO算法比HHO算法收敛速度更快，得到更短更平滑的路径。得到更短更平滑的路径。得到更短更平滑的路径。
技术研发人员：苗振腾 姜文斌 陈道贺 梁健恒 韩巧
受保护的技术使用者：广东碧桂园职业学院
技术研发日：2022.04.27
技术公布日：2022/9/2