本發(fā)明涉及機(jī)器人路徑規(guī)劃領(lǐng)域，尤其是涉及一種基于均值和聲搜索的機(jī)器人巡檢路徑規(guī)劃方法。

背景技術(shù)：

巡檢機(jī)器人在現(xiàn)代工業(yè)生產(chǎn)中起著至關(guān)重要的作用。巡檢機(jī)器人廣泛應(yīng)用在電力巡檢、倉(cāng)庫(kù)巡檢、森林防火巡檢等領(lǐng)域。在巡檢機(jī)器人的設(shè)計(jì)與開發(fā)中，巡檢機(jī)器人的巡檢路徑規(guī)劃是基中的一項(xiàng)支撐技術(shù)。在機(jī)器人的巡檢路徑規(guī)劃中，人們常常會(huì)遇到如下巡檢路徑規(guī)劃問題：給定若干個(gè)巡檢點(diǎn)的坐標(biāo)位置，要求為一巡檢機(jī)器人規(guī)劃一條路徑，使巡檢機(jī)器人從一個(gè)源巡檢點(diǎn)出發(fā)經(jīng)過每個(gè)巡檢點(diǎn)一次且僅一次，然后再回到源巡檢點(diǎn)，并且要求巡檢機(jī)器人經(jīng)過路徑的耗費(fèi)最小化。該巡檢路徑規(guī)劃問題是一個(gè)np完全性問題，當(dāng)問題的規(guī)模比較大時(shí)，傳統(tǒng)路徑規(guī)劃算法往往難以有效地為巡檢機(jī)器人規(guī)劃出一條工程上可接受的巡檢路徑。針對(duì)該巡檢路徑規(guī)劃問題，研究人員往往設(shè)計(jì)模擬自然的演化算法來求解。其中，和聲搜索算法是一種新近提出的演化算法，它的基本原理是模擬音樂家的創(chuàng)作過程而設(shè)計(jì)的一種優(yōu)化算法。

機(jī)器人巡檢路徑規(guī)劃問題本質(zhì)上就是一個(gè)優(yōu)化問題，而和聲搜索算法在求解優(yōu)化問題中表現(xiàn)出較優(yōu)越的性能。為此，許多學(xué)者提出了各種改進(jìn)的和聲搜索算法來求解各類優(yōu)化問題，例如丁春莉和李林森利用和聲搜索算法來優(yōu)化支持向量機(jī)的訓(xùn)練參數(shù)，并使用訓(xùn)練好的支持向量機(jī)來預(yù)測(cè)網(wǎng)絡(luò)流量，實(shí)驗(yàn)結(jié)果表明所提出方法比一些傳統(tǒng)方法能夠獲得更高的網(wǎng)絡(luò)流量預(yù)測(cè)精度(丁春莉,李林森.和聲搜索算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測(cè)[j].微型電腦應(yīng)用,2017,33(01):67-70)；陶勇森等人將信息增益融合到和聲搜索算法中來實(shí)現(xiàn)語(yǔ)音數(shù)據(jù)的情感特征選擇，實(shí)驗(yàn)結(jié)果表明提出方法能夠有效地選擇出合適的情感特征，并且能夠達(dá)到較高的情感識(shí)別率(陶勇森,王坤俠,楊靜,李廉.融合信息增益與和聲搜索的語(yǔ)音情感特征選擇[j].小型微型計(jì)算機(jī)系統(tǒng),2017,38(05):1164-1168)。

從現(xiàn)有的研究成果中可知，和聲搜索算法具有操作算子簡(jiǎn)單、全局搜索能力較強(qiáng)等優(yōu)點(diǎn)，它已經(jīng)成功地應(yīng)用到了各種工程優(yōu)化問題中，并且在求解很多工程優(yōu)化問題中獲得了令人滿意的結(jié)果，但傳統(tǒng)和聲搜索算法在求解一些復(fù)雜的機(jī)器人巡檢路徑規(guī)劃問題時(shí)容易出現(xiàn)收斂速度慢，規(guī)劃效率不高的缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于均值和聲搜索的機(jī)器人巡檢路徑規(guī)劃方法，它能夠在一定程度上克服傳統(tǒng)和聲搜索在求解一些復(fù)雜的機(jī)器人巡檢路徑規(guī)劃問題時(shí)容易出現(xiàn)收斂速度慢，規(guī)劃效率不高的缺點(diǎn)，本發(fā)明能夠在一定程度上提高機(jī)器人巡檢路徑規(guī)劃的效率。

本發(fā)明的技術(shù)方案：一種基于均值和聲搜索的機(jī)器人巡檢路徑規(guī)劃方法，包括以下步驟：

步驟1，輸入各個(gè)巡檢點(diǎn)的坐標(biāo)，并確定巡檢點(diǎn)的數(shù)量d；

步驟2，用戶初始化和聲庫(kù)的大小hms，選取概率hmcr，擾動(dòng)概率par，最大評(píng)價(jià)次數(shù)max_fes；

步驟3，當(dāng)前演化代數(shù)t＝0，當(dāng)前評(píng)價(jià)次數(shù)fes＝0；

步驟4，隨機(jī)產(chǎn)生初始和聲庫(kù)其中個(gè)體下標(biāo)i＝1,2,...,hms；并且為和聲庫(kù)mt中的第i個(gè)個(gè)體；個(gè)體存儲(chǔ)了d個(gè)巡檢點(diǎn)的順序權(quán)值；為個(gè)體中的第j個(gè)巡檢點(diǎn)的順序權(quán)值，并且維度下標(biāo)j＝1,2,...,d；

步驟5，計(jì)算和聲庫(kù)mt中每個(gè)個(gè)體的適應(yīng)值；

步驟6，令當(dāng)前評(píng)價(jià)次數(shù)fes＝fes+hms；

步驟7，保存和聲庫(kù)mt中的最優(yōu)個(gè)體best^t；

步驟8，執(zhí)行基于均值信息的搜索操作產(chǎn)生一個(gè)新個(gè)體u^t，具體步驟如下：

步驟8.1，令計(jì)數(shù)器kj＝1；

步驟8.2，如果計(jì)數(shù)器kj大于d，則轉(zhuǎn)到步驟9，否則轉(zhuǎn)到步驟8.3；

步驟8.3，按公式(1)計(jì)算和聲庫(kù)mt中第kj維的均值

步驟8.4，在[0,1]之間產(chǎn)生一個(gè)隨機(jī)實(shí)數(shù)pr；

步驟8.5，如果pr小于hmcr，則轉(zhuǎn)到步驟8.6，否則轉(zhuǎn)到步驟8.19；

步驟8.6，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)nr1；

步驟8.7，令

步驟8.8，在[0,1]之間隨機(jī)產(chǎn)生兩個(gè)實(shí)數(shù)tar和tg；

步驟8.9，如果tar小于par，則轉(zhuǎn)到步驟8.10，否則轉(zhuǎn)到步驟8.21；

步驟8.10，如果tg小于0.5，則轉(zhuǎn)到步驟8.11，否則轉(zhuǎn)到步驟8.16；

步驟8.11，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)不等于nr1的正整數(shù)nr2；

步驟8.12，令精英值其中rand為服從均勻分布的隨機(jī)實(shí)數(shù)產(chǎn)生函數(shù)；

步驟8.13，在[0,1]之間隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)mw；

步驟8.14，令

步驟8.15，轉(zhuǎn)到步驟8.21；

步驟8.16，令高斯均值并令高斯標(biāo)準(zhǔn)差其中abs為取絕對(duì)值函數(shù)；

步驟8.17，令其中normrand表示高斯隨機(jī)數(shù)產(chǎn)生函數(shù)；

步驟8.18，轉(zhuǎn)到步驟8.21；

步驟8.19，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)nr3，并令搜索因子slk＝rand(0,1)×2-1，然后令均值項(xiàng)其中rand為服從均勻分布的隨機(jī)實(shí)數(shù)產(chǎn)生函數(shù)；

步驟8.20，令其中組合因子sw為[0,1]之間的隨機(jī)實(shí)數(shù)；

步驟8.21，令計(jì)數(shù)器kj＝kj+1，然后轉(zhuǎn)到步驟8.2；

步驟9，計(jì)算個(gè)體u^t的適應(yīng)值；

步驟10，將和聲庫(kù)mt中的最差個(gè)體記為mworst^t；

步驟11，如果個(gè)體u^t優(yōu)于mworst^t，則用個(gè)體u^t替換mworst^t，否則保持mworst^t不變；

步驟12，令當(dāng)前評(píng)價(jià)次數(shù)fes＝fes+1；

步驟13，令當(dāng)前演化代數(shù)t＝t+1；

步驟14，保存和聲庫(kù)mt中的最優(yōu)個(gè)體best^t；

步驟15，重復(fù)步驟8至步驟14，直至當(dāng)前評(píng)價(jià)次數(shù)fes達(dá)到max_fes后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個(gè)體best^t解碼為機(jī)器人的巡檢路徑，即可實(shí)現(xiàn)機(jī)器人的巡檢路徑規(guī)劃。

本發(fā)明采用均值和聲搜索來規(guī)劃?rùn)C(jī)器人的巡檢路徑。在均值和聲搜索中，首先計(jì)算和聲庫(kù)中所有個(gè)體的均值，然后利用均值信息作為生成新個(gè)體的基點(diǎn)，并將和聲庫(kù)的均值信息與和聲庫(kù)中的最優(yōu)個(gè)體相融合作為高斯變異算子的引導(dǎo)方向，以此增強(qiáng)算法的搜索性能，提高機(jī)器人巡檢路徑規(guī)劃的效率。本發(fā)明能夠在一定程度上提高機(jī)器人巡檢路徑規(guī)劃的效率。

附圖說明

圖1為本發(fā)明的流程圖。

圖2為實(shí)施例中用于規(guī)劃?rùn)C(jī)器人巡檢路徑的巡檢點(diǎn)，圖中每個(gè)小黑點(diǎn)表示一個(gè)巡檢點(diǎn)。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。

實(shí)施例：

步驟1，輸入如圖2所示的各個(gè)巡檢點(diǎn)的坐標(biāo)，并確定巡檢點(diǎn)的數(shù)量d＝50；

步驟2，用戶初始化和聲庫(kù)的大小hms＝50，選取概率hmcr＝0.95，擾動(dòng)概率par＝0.6，最大評(píng)價(jià)次數(shù)max_fes＝300000；

步驟3，當(dāng)前演化代數(shù)t＝0，當(dāng)前評(píng)價(jià)次數(shù)fes＝0；

步驟4，隨機(jī)產(chǎn)生初始和聲庫(kù)其中個(gè)體下標(biāo)i＝1,2,...,hms；并且為和聲庫(kù)mt中的第i個(gè)個(gè)體；個(gè)體存儲(chǔ)了d個(gè)巡檢點(diǎn)的順序權(quán)值；為個(gè)體中的第j個(gè)巡檢點(diǎn)的順序權(quán)值，并且維度下標(biāo)j＝1,2,...,d；

步驟5，計(jì)算和聲庫(kù)mt中每個(gè)個(gè)體的適應(yīng)值；

步驟6，令當(dāng)前評(píng)價(jià)次數(shù)fes＝fes+hms；

步驟7，保存和聲庫(kù)mt中的最優(yōu)個(gè)體best^t；

步驟8，執(zhí)行基于均值信息的搜索操作產(chǎn)生一個(gè)新個(gè)體u^t，具體步驟如下：

步驟8.1，令計(jì)數(shù)器kj＝1；

步驟8.2，如果計(jì)數(shù)器kj大于d，則轉(zhuǎn)到步驟9，否則轉(zhuǎn)到步驟8.3；

步驟8.3，按公式(1)計(jì)算和聲庫(kù)mt中第kj維的均值

步驟8.4，在[0,1]之間產(chǎn)生一個(gè)隨機(jī)實(shí)數(shù)pr；

步驟8.5，如果pr小于hmcr，則轉(zhuǎn)到步驟8.6，否則轉(zhuǎn)到步驟8.19；

步驟8.6，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)nr1；

步驟8.7，令

步驟8.8，在[0,1]之間隨機(jī)產(chǎn)生兩個(gè)實(shí)數(shù)tar和tg；

步驟8.9，如果tar小于par，則轉(zhuǎn)到步驟8.10，否則轉(zhuǎn)到步驟8.21；

步驟8.10，如果tg小于0.5，則轉(zhuǎn)到步驟8.11，否則轉(zhuǎn)到步驟8.16；

步驟8.11，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)不等于nr1的正整數(shù)nr2；

步驟8.12，令精英值其中rand為服從均勻分布的隨機(jī)實(shí)數(shù)產(chǎn)生函數(shù)；

步驟8.13，在[0,1]之間隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)mw；

步驟8.14，令

步驟8.15，轉(zhuǎn)到步驟8.21；

步驟8.16，令高斯均值并令高斯標(biāo)準(zhǔn)差其中abs為取絕對(duì)值函數(shù)；

步驟8.17，令其中normrand表示高斯隨機(jī)數(shù)產(chǎn)生函數(shù)；

步驟8.18，轉(zhuǎn)到步驟8.21；

步驟8.19，在[1,hms]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)nr3，并令搜索因子slk＝rand(0,1)×2-1，然后令均值項(xiàng)其中rand為服從均勻分布的隨機(jī)實(shí)數(shù)產(chǎn)生函數(shù)；

步驟8.20，令其中組合因子sw為[0,1]之間的隨機(jī)實(shí)數(shù)；

步驟8.21，令計(jì)數(shù)器kj＝kj+1，然后轉(zhuǎn)到步驟8.2；

步驟9，計(jì)算個(gè)體u^t的適應(yīng)值；

步驟10，將和聲庫(kù)mt中的最差個(gè)體記為mworst^t；

步驟11，如果個(gè)體u^t優(yōu)于mworst^t，則用個(gè)體u^t替換mworst^t，否則保持mworst^t不變；

步驟12，令當(dāng)前評(píng)價(jià)次數(shù)fes＝fes+1；

步驟13，令當(dāng)前演化代數(shù)t＝t+1；

步驟14，保存和聲庫(kù)mt中的最優(yōu)個(gè)體best^t；

步驟15，重復(fù)步驟8至步驟14，直至當(dāng)前評(píng)價(jià)次數(shù)fes達(dá)到max_fes后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個(gè)體best^t解碼為機(jī)器人的巡檢路徑，即可得到巡檢機(jī)器人的規(guī)劃路徑。

本文中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。