《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 基于改進型蟻群算法的滅火機器人路徑規(guī)劃研究
基于改進型蟻群算法的滅火機器人路徑規(guī)劃研究
2014年微型機與應(yīng)用第13期
何少佳,鄧子信,高韻灃,石旅光,陳志丹,閆 偉
桂林電子科技大學(xué) 機電工程學(xué)院,廣西 桂林
摘要: 在傳統(tǒng)蟻群算法基礎(chǔ)上,采用隨機選擇和慣性保持相結(jié)合的方式搜尋節(jié)點,在獲得不同路徑的同時提高算法收斂速度。從已獲得的路徑兩端沿慣性方向逼近優(yōu)化,將無障礙中間節(jié)點剔除,減少機器人在最短路徑上轉(zhuǎn)彎次數(shù)的同時增強算法的搜索性能。通過自適應(yīng)方式動態(tài)調(diào)整信息素,改善算法適應(yīng)能力。仿真結(jié)果表明,通過以上改進能有效提升路徑質(zhì)量,可有效降低滅火機器人在室內(nèi)環(huán)境中尋找火源的時間,提高滅火效率。
Abstract:
Key words :

  摘  要: 在傳統(tǒng)蟻群算法基礎(chǔ)上,采用隨機選擇和慣性保持相結(jié)合的方式搜尋節(jié)點,在獲得不同路徑的同時提高算法收斂速度。從已獲得的路徑兩端沿慣性方向逼近優(yōu)化,將無障礙中間節(jié)點剔除,減少機器人在最短路徑上轉(zhuǎn)彎次數(shù)的同時增強算法的搜索性能。通過自適應(yīng)方式動態(tài)調(diào)整信息素,改善算法適應(yīng)能力。仿真結(jié)果表明,通過以上改進能有效提升路徑質(zhì)量,可有效降低滅火機器人在室內(nèi)環(huán)境中尋找火源的時間,提高滅火效率。

  關(guān)鍵詞: 蟻群算法;慣性方向;逼近優(yōu)化;自適應(yīng)

  滅火機器人路徑優(yōu)化技術(shù)能夠使機器人更加智能,從而可以代替消防員在火災(zāi)危險環(huán)境下進行救援工作[1]。對于滅火機器人而言,以最高效率找到一條從起始位置到目標(biāo)位置(起火點)的最優(yōu)無碰撞路徑,是其可靠的基礎(chǔ)。智能體路徑規(guī)劃問題[2]一直是機器人研究領(lǐng)域的一個重要組成部分,其由環(huán)境構(gòu)建和規(guī)劃方法兩個方面構(gòu)成。由于在日常生活中火災(zāi)發(fā)生具有不確定性,導(dǎo)致滅火機器人尋找火源的過程變得復(fù)雜,本文為了問題的簡化將創(chuàng)建全局柵格地圖,為滅火機器人路徑規(guī)劃提供靜態(tài)環(huán)境模型。

  目前基于柵格模型的路徑規(guī)劃有許多方法,如:蟻群算法、粒子群算法、A*、遺傳算法等[3]。蟻群算法是一種仿生學(xué)算法,是模仿螞蟻尋找食物過程中的行為,利用留在地面上信息素的釋放和揮發(fā),給后面的螞蟻提供一定指向,當(dāng)大群螞蟻反復(fù)行走后,最終找到一條通往食物的最優(yōu)路徑[4]。同時,蟻群還能適應(yīng)環(huán)境的變化,當(dāng)蟻群運動路徑上突然出現(xiàn)障礙物時,螞蟻也能很快地重新找到最優(yōu)路徑。作為一種智能算法蟻群算法有其突出的優(yōu)點:(1)蟻群算法具有自組織性,系統(tǒng)能在沒有外界特定干預(yù)的情況下實現(xiàn)從無序到有序的變化;(2)作為并行算法,它具有空間多點同時進行獨立解搜索的能力,不僅具有較高的可靠性,也具有較強的全局搜索能力;(3)具有較強的魯棒性;(4)參數(shù)數(shù)目少,設(shè)置簡單,易于實現(xiàn)其他組合優(yōu)化問題的求解。傳統(tǒng)的蟻群算法也存在其不足,如收斂速度較慢、求解的精度不高、容易陷入局部最優(yōu)等問題[5]。為此,許多改進方案被提出,如最大最小螞蟻系統(tǒng)MMAS(Max-Min Ant System)算法[6]、帶有變異策略的蟻群算法和多蟻群算法等,但仍無法避免陷入死鎖狀態(tài)。

  本文立足室內(nèi)滅火機器人路徑規(guī)劃,主要從路徑搜索策略、優(yōu)化方法和信息素更新三個方面對蟻群算法進行改進,并通過仿真實驗驗證該算法的可行性和有效性。

  1 算法設(shè)計

  首先,以柵格法建立機器人工作環(huán)境,構(gòu)建一個全局靜態(tài)環(huán)境模型。其次,將算法分為兩步施行。第一步實現(xiàn)路徑搜索,采用隨機選擇和慣性保持相結(jié)合的策略,搜索過程不釋放信息素。第二步進行路徑優(yōu)化,對已獲得的所有路徑采取端點逼近慣性優(yōu)化,并對優(yōu)化后的路徑實現(xiàn)信息素動態(tài)更新。

  1.1 構(gòu)建工作環(huán)境

  柵格法[7]是環(huán)境構(gòu)建過程中被廣泛使用的方法之一,它將智能體的工作空間轉(zhuǎn)化為對應(yīng)的柵格模型。用大小相同的柵格劃分工作空間,灰色柵格代表障礙物,其他柵格代表自由空間。柵格法的特點是簡單、易于實現(xiàn),為路徑規(guī)劃帶來很大方便,而且具有表示不規(guī)則障礙物的能力,適合于大規(guī)模并行處理機的實現(xiàn)。

  本文采用柵格法構(gòu)建工作環(huán)境,將一個平面空間等分成許多小格,一個小格就代表一個小區(qū)域,區(qū)域長寬為1個單位,任意兩個節(jié)點的距離為兩柵格中心點上的連線距離,并將小格按從左至右、從上到下的順序編號。環(huán)境地圖建完后,里面的顏色就代表空間的狀況,如白色(0)代表可行,灰色(1)代表障礙物,綠色代表起始點,紅色代表目標(biāo)點。圖1為柵格法表示的工作環(huán)境。

001.jpg

  智能體在柵格空間節(jié)點的運行方向及節(jié)點距離由矩陣D表示,G為環(huán)境模型矩陣。

  h=size(G,1)//矩陣行數(shù)

  l=size(G,2)//矩陣列數(shù)

  D=zeros(h*l,h*l);

  for i=1:h

  for j=1:l

  if G(i,j)==0

  for m=1:h

  for n=1:l

  if G(m,n)==0//自由空間

  im=abs(i-m);jn=abs(j-n);

  if im+jn==1||(im==1&&jn==1)

  D((i-1)*h+j,(m-1)*l+n)=(im+jn)^0.5;

  //可選節(jié)編號及距離

  end

  end

  end

  end

  end

  end

  1.2 路徑搜索

  第一步以式(1)選擇節(jié)點:

  FZXD961(P47[1S6LOZH)]}F.png

  其中,Pij表示智能體在位置i時下一步選擇節(jié)點j的概率;τij為節(jié)點i、j之間的信息素濃度;啟發(fā)因子?濁jo為節(jié)點j到目標(biāo)位置o之間距離的倒數(shù),以引導(dǎo)智能體向距離目標(biāo)最短的方向移動;?琢為信息素的重要程度;?茁為啟發(fā)因子的重要程度;D為下一步可選擇目標(biāo)的集合;q為(0,1]的隨機值;q0為[0.7-0.8]之間的閾值。

  采用此方式能使智能體以較大的概率q0向信息素和啟發(fā)因子乘積最大的目標(biāo)位置移動,而以較小的概率(1-q0)使用隨機比例原則選擇目標(biāo)位置[8]。這樣既保證了智能體選擇的方向性,又增加了智能體搜索的多樣性,在避免搜索過程陷入死循環(huán)的同時,有效地提升了搜索時間。

  1.3 端點逼近慣性優(yōu)化

  當(dāng)M只螞蟻完成一輪搜索后,將形成M條從起點到終點的路徑,這些路徑雜亂無序,傳統(tǒng)的蟻群算法由于信息素更新模式的問題容易造成局部最優(yōu)解,一般的解決方法在解決局部最優(yōu)解的過程中容易導(dǎo)致運算時間延長。采用端點逼近慣性優(yōu)化方法能進一步優(yōu)化最短路徑,把一些曲折的地方變成直線,減少轉(zhuǎn)彎次數(shù),同時增強算法的搜索性能。

  端點逼近慣性優(yōu)化的原理是:每次循環(huán)結(jié)束后,只對本輪搜尋的最短路徑進行優(yōu)化,從起始點(S)和目標(biāo)點(O)開始同時相向遍歷每個節(jié)點,當(dāng)路徑中有中間節(jié)點滿足慣性條件時刪除此節(jié)點,添加優(yōu)化后的節(jié)點,繼續(xù)優(yōu)化,直到S逼近O且O逼近S,優(yōu)化結(jié)束后將獲得至少一條優(yōu)化路徑。慣性條件是指從保持原有運動且無障礙的行進線路方向。采用雙向逼近優(yōu)化可以獲得多重解,為智能體回到出發(fā)點提供路線參考,有助于進一步提升算法的適應(yīng)性。

  設(shè)pi-1(xi-1,yj-1)為上一個節(jié)點,當(dāng)前節(jié)點為pi(xi,yj),pi+1(xi+1,yj+1)為pi周圍可選取的8個節(jié)點,pi+1為慣性點的條件為滿足式(2)或式(3):

  23.png

  為防止慣性過于突出而找不到最優(yōu)路徑,慣性優(yōu)化方法可以在尋找過程中自動調(diào)整方向,但最多只能調(diào)整一次,也就是優(yōu)化后最多存在1個轉(zhuǎn)折點。由于前期在節(jié)點選擇上具有較強的方向性(按照到目標(biāo)點位置最短),因而慣性優(yōu)化能在降低轉(zhuǎn)彎次數(shù)的同時確保路徑最短,對于降低智能體整體運行時間具有實際意義。慣性優(yōu)化流程(以S到O為例)如圖2所示。

002.jpg

  1.4 信息素動態(tài)調(diào)整

  每次迭代結(jié)束后,對當(dāng)前最優(yōu)路徑進行信息素全局動態(tài)更新:

  45.png

  其中,?駐τij為此次循環(huán)的信息素增量,lmin表示當(dāng)前最短路徑的長度,ltmin為此次迭代最短路徑的長度。?駐τij越大說明路徑越短(新的更短路徑已經(jīng)產(chǎn)生),應(yīng)當(dāng)將后面的螞蟻引向此路徑上,因此應(yīng)當(dāng)增加信息素濃度。當(dāng)找到最短路徑時,信息素以一個較小的量增加,避免陷入死循環(huán)。

  1.5 算法求解過程

  根據(jù)以上描述,本算法步驟如下:

 ?。?)柵格法建立工作環(huán)境,參數(shù)初始化,構(gòu)造啟發(fā)式信息。

 ?。?)每只螞蟻根據(jù)式(1)選擇下一節(jié)點,記錄已走過的節(jié)點位置和路徑長度,更新禁忌表。

 ?。?)循環(huán)執(zhí)行步驟(2),直到所有螞蟻都搜尋完畢。

 ?。?)對最短的路徑進行端點逼近慣性優(yōu)化,并保存更新后的節(jié)點位置和路徑長度。

 ?。?)根據(jù)式(4)和(5)對全局進行信息素更新。

 ?。?)循環(huán)執(zhí)行步驟(2)~步驟(5),直到迭代結(jié)束。

  2 仿真分析與參數(shù)測試

  為驗證此算法的可行性,在MATLAB7.11平臺上進行仿真測試,所選參數(shù)設(shè)置如下:螞蟻數(shù)M=50,最大迭代次數(shù)K=100,q為(0,1]的隨機值,q0=0.7~0.8,?琢=1,?茁=10,ρ=0.3。實驗結(jié)果如圖3、圖4所示。

  由圖3可知,雖然在路徑長度上優(yōu)化前后并沒有發(fā)生變化,仍然為29.799,但可以看到優(yōu)化后的路徑質(zhì)量明顯優(yōu)于優(yōu)化前,在轉(zhuǎn)彎次數(shù)上由14次降為4次。圖4的橫坐標(biāo)代表迭代次數(shù),縱坐標(biāo)代表每輪迭代的最短路徑,由圖4可知優(yōu)化后的算法在收斂性上要優(yōu)于前者。不同環(huán)境下的測試表明,改進后的蟻群算法表現(xiàn)出較強的優(yōu)越性,尤其在轉(zhuǎn)彎次數(shù)和收斂性方面。仿真結(jié)果表明改進后的蟻群算法在降低轉(zhuǎn)彎次數(shù)和運算時間方面有顯著提高,從而證明了此算法的有效性和可行性。

  在節(jié)點選擇上采用方向性和隨機選擇相結(jié)合的方式既節(jié)約了收斂時間又可避免陷入死循環(huán)。采用端點逼近慣性優(yōu)化對最短路徑進行進一步優(yōu)化,可以有效降低轉(zhuǎn)彎次數(shù),提高線路質(zhì)量,降低滅火機器人在運動過程中的時間,同時為機器人回到出發(fā)點提供了路線參考。通過自適應(yīng)方式動態(tài)調(diào)整信息素,改善算法適應(yīng)能力。仿真結(jié)果表明,相比傳統(tǒng)的蟻算法,通過以上改進能有效提升路徑質(zhì)量,可有效降低滅火機器人在室內(nèi)環(huán)境中尋找火源的時間,提高滅火效率。

  參考文獻

  [1] 賈翠玲,李衛(wèi)國,郭文霞.改進蟻群算法在滅火機器人路徑規(guī)劃中的應(yīng)用[J].內(nèi)蒙古工業(yè)大學(xué)學(xué)報,2013,32(1):50-55.

  [2] 陳晉音,楊東勇,鄒青華.AS-R移動機器人的動態(tài)避障與路徑規(guī)劃研究[J].計算機科學(xué),2012,39(3):222-226.

  [3] BENNET D J, MCINNES C R. Distributed control of multiro-bot systems using bifurcating potential fields[J]. Robotics and Autonomous Systems, 2010,58(3):256-264.

  [4] 何少佳,劉子揚.基于慣性蟻群算法的機器人路徑規(guī)劃[J].計算機工程與應(yīng)用,2012,48(15):245-248.

  [5] 周明秀,程科,汪正霞.動態(tài)路徑規(guī)劃中的改進蟻群算法[J].計算機科學(xué),2013,40(1):314-316.

  [6] 許瑞.基于蟻群優(yōu)化算法的批調(diào)度問題研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2011.

  [7] 賴智銘,郭躬德.基于自適應(yīng)閾值蟻群算法的路徑規(guī)劃算法[J].計算機系統(tǒng)應(yīng)用,2014,23(2):113-119.

  [8] 王沛棟.改進蟻群算法及在路徑規(guī)劃問題的應(yīng)用研究[D].青島:中國海洋大學(xué),2012.

  (收稿日期:2014-03-12)


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。