1.一种蜘蛛群居算法的机器人路径规划方法,其特征在于,包括以下步骤:步骤一:采用栅格法对地图环境进行建模,设置起始节点、目标节点、障碍物;
步骤二:初始化蜘蛛群居算法基本参数,包括种群数目N、婚配半径r、最大迭代次数T、最小适应度值;
步骤三:随机分配初始蜘蛛种群,根据适应度函数,确定当前各个蜘蛛的适应值;
步骤四:蜘蛛种群依据蜘蛛群居算法的学习策略完成协作过程,产生新的蜘蛛个体,根据适应度函数值选择新、旧蜘蛛种群中较优的个体作为迭代种群,记录迭代路径,输出适应度值;
学习策略包括惯性权重,惯性权重设置为:q为惯性权重,n为非线性调整指数,T为最大迭代次数,t为当前迭代次数,qmax和qmin分别是惯性权重的最大值和最小值;
步骤五:判断适应度值是否小于设定的最小适应度值,若适应度值小于或等于最小适应度值,输出最短路径和长度;
步骤六:若适应度值大于最小适应度值,返回步骤四。
2.根据权利要求1所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:若适应度值大于最小适应度值,判断迭代次数是否小于最大迭代次数,若迭代次数小于最大迭代次数,返回步骤四;若迭代次数大于或等于最大迭代次数,输出最短路径和长度。
3.根据权利要求1所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:学习策略还包括蜘蛛个体在群体中信息交流程度的学习因子,学习因子变化式为:Z=Zmin+(Zmax‑Zmin)COS(q)H=Hmax‑(Hmax‑Hmin)COS(q),Z与H分别代表个体的自我学习能力和社会学习能力,q惯性权重,其中Zmax和Hmax为学习因子Z和H的最大值,Zmin和Hmin为学习因子Z和H的最小值。
4.根据权利要求1或2或3所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:蜘蛛种群包括雄性蜘蛛种群和雌性蜘蛛种群,雄性蜘蛛种群和雌性蜘蛛种群按照蜘蛛群居算法进行雌、雄蜘蛛的婚配。
5.根据权利要求1或2或3所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:蜘蛛群居算法包括以下步骤:
步骤A:判断雄性个体婚配半径内是否存在雌性个体,如果不存在,则转至步骤E;否则,将其在婚配半径内的所有雌性个体结合为一个子种群;
步骤B:计算步骤A中所述子种群内个体的分配概率,具体公式为:TG为子种群,PSk为子种群内个体的分配概率,w为蜘蛛个体的权重;
步骤C:根据步骤B中所述的概率按照轮盘赌方式从TG内选择个体;
步骤D:如果新个体优于雄性蜘蛛种群和雌性蜘蛛种群中的最差个体,则代替该个体;
步骤E:判断所有雄性个体是否完成婚配行为,完成则结束,否则转至步骤A。
6.根据权利要求5所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:新的蜘蛛个体包括原蜘蛛个体、原蜘蛛向邻域最优解学习个体、原蜘蛛向全局最优解学习个体和随机部分。
7.根据权利要求6所述的蜘蛛群居算法的机器人路径规划方法,其特征在于:每个蜘蛛个体都被赋予一个个体权重wi,代表种群中个体i所对应的解决问题的能力,每个蜘蛛的权重为:
J(Si)是蜘蛛个体Si位置获得的适应度值,besti为最优个体适应度值,worsti为最差个体适应度值,计算方式为: