本發明涉及路徑規劃，尤其涉及一種基于改進粒子群算法的路徑規劃方法及存儲介質。

背景技術：

1、自動引導車（automated?guided?vehicle，agv）具有高度靈活、自動化程度高等優點，在制造業、倉儲物流、港口碼頭等領域的需求不斷增長。路徑規劃技術作為agv規劃調度的關鍵一環，能夠讓agv小車更快完成任務，在節約運輸成本、提高用戶滿意度、增加企業利潤等方面發揮重要作用，受到了眾多科研機構、企業、高校的關注。

2、路徑規劃是機器人領域中的關鍵技術，旨在尋找從起點到終點的無碰撞最優路徑。根據已有信息的不同，路徑規劃可分為全局路徑規劃與局部路徑規劃。前者是在全局環境已知狀態下，規劃機器人的運動路線，而后者更側重于考慮機器人當前所處位置的局部信息，讓機器人具有良好的避障能力。因此，在實際應用中常將兩者結合使用，以獲取最佳路徑。

3、傳統的路徑規劃算法包括幾何搜索算法、基于采樣的路徑規劃算法等。dijkstra算法、算法等幾何搜索算法雖然能夠保證獲取最短路徑，但在實際應用中受環境范圍影響可能出現計算成本高、效率低下、難以適應動態環境等問題。基于采樣的路徑規劃算法，如快速搜索隨機數（rrt）、算法、prm算法等，能以較快速度生成起點與終點之間的可行路徑，但可能不是最優路徑。

4、此外，智能算法也被應用于路徑規劃。其中，遺傳算法具備較好地收斂性和全局搜索能力，但局部搜索能力較差，并容易陷入局部最優。粒子群算法結構簡單、容易實現，但也較易陷入局部最優。蟻群算法面對較為復雜的狀態空間時容易陷入局部最優，并且實時性難以保證。

技術實現思路

1、本發明所要解決的技術問題是：提供一種基于改進粒子群算法的路徑規劃方法及存儲介質，能夠提高路徑規劃的計算效率，且能夠應用于具有移動障礙物的環境。

2、為了解決上述技術問題，本發明采用的技術方案為：一種基于改進粒子群算法的路徑規劃方法，包括：

3、生成目標區域的柵格地圖，所述柵格地圖中的柵格包括可通行柵格和不可通行柵格；

4、根據所述柵格地圖以及預設的起點和終點，通過離散二進制粒子群算法進行全局路徑規劃，生成全局路徑；

5、在目標移動物根據所述全局路徑進行移動的過程中，若所述全局路徑上出現障礙物，則通過q學習算法進行局部路徑規劃，生成局部路徑，以規避障礙物，并在避障完成后返回所述全局路徑。

6、本發明還提出一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現如上所述的方法。

7、本發明的有益效果在于：通過bpso算法（離散二進制粒子群算法）進行全局路徑規劃，并當在移動過程中遇到障礙物時通過q-learning算法（q學習算法）進行局部路徑規劃，可以幫助機器人在復雜環境中找到從起點到終點的最優路徑，且能夠應用于具有移動障礙物的環境，同時保證計算效率的高效性。

技術特征：

1.一種基于改進粒子群算法的路徑規劃方法，其特征在于，包括：

2.根據權利要求1所述的路徑規劃方法，其特征在于，所述生成目標區域的柵格地圖，包括：

3.根據權利要求1所述的路徑規劃方法，其特征在于，所述離散二進制粒子群算法包括：

4.根據權利要求3所述的路徑規劃方法，其特征在于，所述目標函數為：

5.根據權利要求3所述的路徑規劃方法，其特征在于，粒子的速度更新公式為：

6.根據權利要求1所述的路徑規劃方法，其特征在于，所述在目標移動物根據所述全局路徑進行移動的過程中，若所述全局路徑上出現障礙物，則通過q學習算法進行局部路徑規劃，生成局部路徑，以規避障礙物，并在避障完成后返回所述全局路徑，包括：

7.根據權利要求1所述的路徑規劃方法，其特征在于，所述q學習算法包括：

8.根據權利要求7所述的路徑規劃方法，其特征在于，所述q值更新公式為：

9.根據權利要求7所述的路徑規劃方法，其特征在于，所述獎勵函數為：

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-9任一項所述的方法。

技術總結
本發明公開了一種基于改進粒子群算法的路徑規劃方法及存儲介質，方法包括：生成目標區域的柵格地圖，所述柵格地圖中的柵格包括可通行柵格和不可通行柵格；根據所述柵格地圖以及預設的起點和終點，通過離散二進制粒子群算法進行全局路徑規劃，生成全局路徑；在目標移動物根據所述全局路徑進行移動的過程中，若所述全局路徑上出現障礙物，則通過Q學習算法進行局部路徑規劃，生成局部路徑，以規避障礙物，并在避障完成后返回所述全局路徑。本發明能夠提高路徑規劃的計算效率，且能夠應用于具有移動障礙物的環境。

技術研發人員：楊鴻武,林詩薇,盧嘉祺,吳新星
受保護的技術使用者：廈門通士達有限公司
技術研發日：
技術公布日：2025/4/28