本發明涉及路徑規劃，具體涉及一種基于改進蟻群算法的路徑規劃方法。

背景技術：

1、在機器人、自動駕駛車輛以及物流運輸等領域中，路徑規劃是一項重要的技術。它旨在尋找從起點到終點的最優或近似最優路徑，以滿足各種約束條件，如距離最短、時間最少或成本最低等。蟻群算法由marco?dorigo在1992年提出，可以用來解決路徑規劃問題。蟻群算法是一種模擬螞蟻覓食行為的啟發式搜索算法。它通過模擬螞蟻在尋找食物過程中釋放信息素，并以此引導其他螞蟻找到最短路徑的機制，來實現全局優化。

2、然而，傳統的蟻群算法在應用于路徑規劃時存在一些不足。傳統蟻群算法中初始信息素的值是均勻分布的，由于初始信息素濃度相同，在算法初期搜索隨機性強且較為盲目，導致算法的收斂速度和優化能力大大下降。此外，信息素揮發因子作為一個常量參數，其設置對算法的性能影響顯著。若設置過大會導致信息素蒸發過快，削弱了優秀路徑的引導作用，影響算法的收斂速度；若設置過小會導致信息素蒸發過慢，使得之前迭代過程中的路徑信息素過度積累，容易陷入局部最優。

技術實現思路

1、鑒于上述問題，本發明提供了一種基于改進蟻群算法的路徑規劃方法，解決了現有技術中蟻群算法收斂速度慢以及容易陷入局部最優的技術問題。

2、本發明提供了一種基于改進蟻群算法的路徑規劃方法，包括：

3、步驟s1、建立倉庫的柵格地圖，所述柵格地圖包括多個節點，根據節點對應的倉庫地形確定節點的種類，所述節點的種類包括初始節點、目標節點、障礙節點和非障礙節點；對蟻群算法的參數進行初始化；

4、步驟s2、根據所述柵格地圖中的各節點與所述初始節點和目標節點的距離確定信息素濃度的初始值；

5、所述信息素濃度的初始值由初始信息素分布函數確定，表達式為：

6、

7、其中，τi表示節點i上的初始信息素濃度；τ0表示蟻群算法中節點i的初始信息素濃度，對于每一個節點來說初始信息素濃度都相同；表示根據節點i與起始點o之間的距離關系所增加的信息素濃度；表示根據節點i與目標節點d之間的距離關系所增加的信息素濃度；(xi,yi),(xo,yo),(xd,yd)分別表示節點i、初始節點o和目標節點d的坐標；

8、步驟s3、在初始節點多次放置螞蟻，進行初始節點到目標節點的尋跡，所述尋跡過程包括：每只螞蟻從初始節點出發，根據當前信息素濃度以及啟發式信息選擇螞蟻移動的下一節點，并更新禁忌表；基于當前信息素揮發因子更新當前信息素濃度；

9、在完成全部螞蟻的尋跡后清空所述禁忌表，記錄所有螞蟻走過的路徑；

10、步驟s4、基于所述所有螞蟻走過的路徑長度得到當代平均路徑長度和當代最小路徑長度，由所述當代平均路徑長度和當代最小路徑長度的比例關系更新所述信息素揮發因子；

11、步驟s5、回到步驟s3，直到達到最大迭代次數，取最后一次迭代收斂過程的最優路徑作為最終規劃的路徑，采用所述最終規劃的路徑驅動倉庫機器人完成導航。

12、優選地，步驟s1具體包括：

13、步驟s1-1、將倉庫平面區域劃分為大小均勻的正方形網格，每個網格作為一個節點；以將倉庫中的固定障礙物所在的網格區域確定為障礙節點，將倉庫的出入口確定為初始節點，將取貨地點確定為目標節點，倉庫內機器人可以自由通行的區域確定為非障礙節點；

14、步驟s1-2、對蟻群算法的參數進行初始化，包括：將螞蟻數量m、狀態轉移公式的信息啟發因子α與啟發函數因子β、信息素強度q以及最大迭代次數nc進行初始化，賦予初始值。

15、優選地，步驟s3具體包括：

16、步驟s3-1、在初始節點放置虛擬螞蟻，每只螞蟻基于當前信息素濃度以及啟發式信息確定狀態轉移概率，根據所述狀態轉移概率選擇下一節點，根據螞蟻當前走過的所有節點更新禁忌表，完成所有節點的尋跡后，基于當前信息素揮發因子更新當前信息素濃度；

17、步驟s3-2、回到步驟s3-1，直到完成預設次數的螞蟻的尋跡后清空所述禁忌表，記錄所有螞蟻走過的路徑。

18、優選地，步驟s3-1中，所述狀態轉移概率的表達式為：

19、

20、其中，為在時刻t第k只螞蟻由節點i選擇節點j為下一個位置的概率，τi,j(t)表示t在路徑(i,j)上的信息素濃度，ηi,j表示由節點i選擇節點j為下一個位置的啟發函數，α為信息啟發因子，β為啟發函數因子；allowedk＝{0,1,2,...,n-1}-tabuk表示螞蟻k接下來允許選擇的節點集合，tabuk,k＝1,2,...,m表示禁忌表，其中k為當前螞蟻的索引，m為螞蟻總數，n為總節點數。

21、優選地，步驟s3-1中，所述基于當前信息素揮發因子更新當前信息素濃度的表達式為：

22、τi,j(t+1)＝(1-ρ)·τi,j(t)+δτi,j(t)

23、其中，τi,j(t+1)表示t+1時刻在路徑(i,j)上信息素濃度，ρ表示信息素揮發因子；1-ρ表示信息素殘留系數；δτi,j(t)表示時刻t所有螞蟻在路徑(i,j)上留下的總信息素量。

24、優選地，所述時刻t所有螞蟻在路徑(i,j)上留下的總信息素量δτi,j(t)的計算表達式為：

25、

26、其中，表示螞蟻k在路徑(i,j)上留下的信息素量，的計算表達式為：

27、

28、其中，q表示每只螞蟻在走完一次完整路徑后所釋放的信息素總量；lk表示第k只螞蟻在本次尋跡所走路徑的總長度。

29、優選地，步驟s4具體包括：

30、步驟s4-1、對所述所有螞蟻走過的路徑長度計算平均值和最小值，分別得到當代平均路徑長度和當代最小路徑長度；

31、步驟s4-2、將當代平均路徑長度和當代最小路徑長度的比例關系作為路徑集中度；根據所述路徑集中度與預設的臨界集中度的大小關系更新所述信息素揮發因子。

32、優選地，步驟s4-2中，所述更新所述信息素揮發因子的表達式為：

33、

34、ε＝lave/lmin

35、其中，ρe為前期信息素揮發因子；ρa為后期信息素揮發因子；ε為路徑集中度，lave為當代搜索的平均路徑長度；lmin為當代搜索的最小路徑長度，ε0為預設的臨界集中度值。

36、與現有技術相比，本發明至少具有如下有益效果：

37、(1)本發明通過節點到起點和終點的距離來動態調整初始信息素濃度，距離起終點較近的節點被賦予更高的初始信息素濃度，降低了算法初期遠端節點被選擇的概率，強化了靠近起終點的較優路徑上的節點對螞蟻的吸引力。這種策略使螞蟻更快地聚焦于更有潛力的區域增強了蟻群算法初始階段較優路徑的指向性，有效降低了螞蟻在算法初期選擇路徑時的盲目性，使蟻群能夠更快地找到潛在的優質路徑。

38、(2)本發明引入了雙揮發因子策略，根據每代路徑的集中程度動態調整揮發因子的大小。在迭代前期，較高的揮發因子加速了各路徑上信息素的揮發，鼓勵蟻群進行更廣泛的全局搜索，避免過早收斂于局部最優解。而在迭代后期，較低的揮發因子則有利于優質路徑上的信息素積累，從而保留優質路徑信息，避免局部最優。

39、(3)本發明通過優化初始信息素濃度，增強了搜索的引導性，并利用雙揮發因子策略動態平衡了全局搜索和局部優化。本發明將這些改進整合加入現有的蟻群算法，提高了蟻群算法的效率、解的質量，提升了算法在求解復雜優化問題時的性能和魯棒性，使其能夠更快、更準確地找到最優解。