科创中国
基于改进遗传算法的移动机器人路径规划方法
成果类型：: 发明专利
发布时间: 2022-08-30 11:21:17
科技成果产业化落地方案
方案提交机构：江苏省常州市| 常州市科协 | 2022-11-23 15:45:45
本发明涉及一种基于改进遗传算法的移动机器人路径规划方法及系统,本移动机器人路径规划方法包括如下步骤:步骤S1,环境建模;以及步骤S2,执行遗传算法以输出最优路径。本发明的移动机器人路径规划方法及系统加快机器人的搜索效率，避免陷入局部最优，提高了算法的性能，并且有效避免了局部最优解以及克服了传统遗传算法收敛速度慢的问题。
本发明的目的是提供一种移动机器人路径规划方法及系统，以解决现有遗传算法容易陷入局部最优、运行速度慢的技术问题。
为了解决上述技术问题，本发明提供了一种移动机器人路径规划方法，包括如下步骤：
步骤S1，环境建模；以及
步骤S2，执行遗传算法以输出最优路径。
进一步，所述步骤S1环境建模，即
对移动机器人的工作环境进行建模以建立坐标系，其方法包括：
利用移动机器人自带传感器组采集工作环境信息，并进行地图建模；其中，将移动机器人作为质点，将移动机器人和障碍物按照二维坐标系建模，用尺寸相同的栅格划分二维工作空间，使移动机器人在该空间中自由运动；
移动机器人路径规划是机器人技术的一个重要研究领域，除用于宇宙探测、海洋开发和原子能等领域外，在工厂自动化、建筑、采矿、排险、军事、服务、农业等方面也有广泛的应用前景。路径规划的方法有很多，比如A*算法，人工势场法，模糊推理法，蚁群算法等，使用A*算法虽然对于比较简单的地图，它的搜索速度非常快，也能找到最优路径，但是全局性较差，启发函数选择不当容易陷入死循环；使用人工势场法便于底层的实时控制，但缺乏全局信息，存在局部最优值问题；使用模糊推理法最大的优点是实时性非常好，但是模糊隶属函数的设计、模糊控制规则的制定主要靠人的经验；使用蚁群算法虽然全局性强，能得到较好的最优解，但容易陷入局部最优。
遗传算法通过引入达尔文生物进化学说中的选择、交换、变异等概念，对经过编码的多个个体组成的群体进行遗传进化操作，在进化过程中可以并行地对解空间的不同区域进行搜索。因具有并行性、鲁棒性、灵活性等优点而被广泛应用于移动机器人的路径规划。
遗传算法证明是一种全局搜索能力强的算法，具有很强的鲁棒性，并行性。从宏观的角度看，遗传算法具有一定的方向性，因此它不同于一般的随机算法，它所使用的随机选择只是在有方向的搜索过程中的一种工具，正是由于它的方向性，使得它比一般的随机算法效率更高。
江苏理工学院是省属全日制普通高校，地处被誉为“千载读书地，现代创新城”的国家历史文化名城、长江三角洲重要的现代制造业基地——江苏省常州市。学校创建于1984年，历经常州职业师范学院、常州技术师范学院、江苏技术师范学院等时期，2012年更名为江苏理工学院。学校是硕士学位授予单位、教育部本科教学工作水平评估优秀单位、全国首批职教师资培训重点建设基地和江苏省首批决策咨询研究基地。
本发明的有益效果是，本发明的移动机器人路径规划方法及系统加快机器人的搜索效率，避免陷入局部最优，提高了算法的性能，并且有效避免了局部最优解以及克服了传统遗传算法收敛速度慢的问题。
当前专利未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。
下载app