1.一种基于改进遗传算法的移动机器人路径规划方法,其特征在于,步骤如下:步骤1:在栅格地图中对机器人工作空间进行环境建模;
步骤2:初始化算法参数及种群;
步骤3:计算个体适应度值;
步骤4:判断进化次数是否达到最大,若是,输出种群中的最优解,算法结束,否则转至步骤5;
步骤5:利用轮盘赌法选择父代个体;
步骤6:进行精英保留策略,即在进行轮盘赌选择时,将最优个体保留至下一代,继续进行交叉变异操作;
步骤7:生成一个(0,1)之间的随机数,判断是否满足动态变化的交叉概率pc,若满足转至步骤8,否则转至步骤9;
步骤8:对种群进行交叉操作,生成新的个体;
步骤9:生成一个(0,1)之间的随机数,判断是否满足动态变化的变异概率pm,若满足转至步骤9,否则转至步骤10;
步骤10:对种群进行变异操作,生成新的个体;
步骤11:生成新一代种群,进化次数加一,转至步骤4;
其中,在所述步骤2中包括如下步骤:
步骤2.1:初始化各项参数,将机器人置于初始位置;
步骤2.2:判断栅格是否连续,若不连续则用障碍物附近的自由栅格予以填补,连接成可行路径,其判断方法为:△=max{abs(xi+1‑xi),abs(yi+1‑yi)}式中(xi,yi),(xi+1,yi+1)为两栅格对应的坐标;abs,max表示绝对值和最大值;当Δ=1时,表示两栅格连续,否则,通过平均值法插入栅格,其计算方法为:步骤2.3:若p’i序号栅格附近均为障碍物栅格,则淘汰此条路径,重复上述步骤直至生成一条可行路径;
步骤2.4:当所有个体搜寻完毕时结束;
在所述步骤3中适应度值通过适应度函数计算得到,由路径长度函数及平滑度函数组成,其计算方法为:fit=a×fit1+b×fit2
式中,fit1为长度函数,fit2为平滑度函数,a、b分别为二者权重,计算方法为:式中,Length为路径总长度,end为机器人行走步数;
式中,θ表示机器人在行进过程中转弯角度的大小,利用余弦函数判断其大小,分别对钝角、直角、锐角给予5、30、1000的惩罚;
在所述步骤7中的交叉操作中设有自适应调节的交叉概率计算公式,其计算方法为:式中,pc(i)表示交叉概率,i表示当前进化代数,Mg表示最大进化代数;
在所述步骤9中的变异操作中设有自适应调节的变异概率计算公式,其计算方法为:式中,pm(i)表示变异概率,pm_max表示变异概率的上限。