买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜贵州大学申请的专利基于粒子群和差分进化算法的移动机器人路径规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116048071B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211639810.2，技术领域涉及：G05D1/43；该发明授权基于粒子群和差分进化算法的移动机器人路径规划方法是由袁庆霓;孙睿彤;杜晓英;陈启鹏;吴杨东;杜飞龙;蓝伟文设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本基于粒子群和差分进化算法的移动机器人路径规划方法在说明书摘要公布了：本发明公开了一种基于粒子群和差分进化算法的移动机器人路径规划方法，包括以下步骤：输入地图模型；初始化路径参数和粒子群参数；设计路径规划目标函数，由路径长度函数和惩罚函数组成；通过引入企业治理思想、加入自适应调整权重和加速度系数来改进传统粒子群算法，优化并更新速度V和位置X，生成更优的精英种群作为改进差分进化算法的初始种群，结合自适应参数的缩放因子F和交叉概率因子CR，进行变异操作、交叉操作、选择操作，实现粒子群的迭代优化，并更新粒子群的Adm，输出优化路径并进行平滑处理。本发明可以有效的提高移动机器人在静态复杂环境模型中的路径规划能力，提高规划效率，生成路径长度最短且平滑的抵达目标点的无碰撞路径。

本发明授权基于粒子群和差分进化算法的移动机器人路径规划方法在权利要求书中公布了：1.一种基于粒子群和差分进化算法的移动机器人路径规划方法，其特征在于：该方法包括以下步骤: 步骤一、地图构建：获取移动机器人自身所在位置信息以及目标点坐标信息，同时获取障碍物信息进行地图构建，形成地图模型，获取环境信息； 步骤二、初始化路径参数：包括移动机器人起始点Start、终点坐标Goal，路径节点、最大迭代次数T、加速度因子； 步骤三、随机初始化粒子群参数：包括维度D、种群粒子数N、位置X、速度V； 步骤四、设计路径规划目标函数：根据路径规划的需求，设计评价指标，构建目标函数，进行路径适应度值fit计算，并确定最大适应度值fitmax和最小适应度值fitmin； 步骤五、改进传统粒子群算法：通过引入企业治理思想、加入自适应调整权重和加速度系数来改进传统粒子群算法；基于计算的路径适应度值，计算个体最佳位置，局部最佳位置，全局最佳位置，选举管理者粒子Adm，从而优化并更新速度V和位置X，生成更优的精英种群； 所述优化并更新速度和位置的公式如下： 1惯性因素：ω*·Vi t 速度更新公式1的第一项为惯性因素，为自适应惯性权重ω*和第t代的第i个粒子的速度Vi t的乘积，其中惯性权重的概念与传统粒子群原理相同； 2个体最佳位置： 公式1的第二项计算出第i个粒子迭代至第t代时的当前位置与该粒子的个体最佳位置Pi t之间的距离，乘以第一个加速度因子c1和随机数r1∈[0,1]； 3局部最佳位置： 表达式1中第三项计算出第i个粒子迭代至第t代时的当前位置与该粒子在对等组区域内的最佳位置的距离，乘以第二个加速度因子c2和随机数r2∈[0,1]； 4全局最佳位置： 表达式1中第四项计算出第i个粒子迭代至第t代时的当前位置与粒子群全局最佳位置Admt的距离，乘以自适应参数β、第三个加速度c3、随机数r3∈[0,1]、监督因子ψ；其中Admt为第t代管理者粒子所在位置，基于投票理念产生； 由于初代种群为随机产生，粒子没有选择出更好领导者的能力，将两个候选领导粒子的初始投票范围进行不对称处理，通过标准化将不对称范围控制在[0,1]内；故在初期迭代时，粒子会选择经营者Operator作为管理者粒子位置Adm，而管理者Owner作为第二选择，起到监督作用；设投给经营权粒子Operator的票数Opvote初始值为投所有权者粒子Owner的票数Owvote为进而使得投票数产生偏差，其中投票机制通过轮盘赌算法实现，每个粒子均进行投票，为[0,1]范围内的随机数，管理者粒子位置Adm的选择如下： 其中，表示第i个粒子给定维度d迭代至第t代作为管理者粒子的位置； 为了更好控制粒子群全局最佳位置Admt对粒子群的影响，引入三角函数，提出自适应参数β，使得算法收敛速度加快，精度提高，公式如下： 其中βmin和βmax是参数β的最大值和最小值；t为迭代次数，T为设定的最大迭代次数； 所述投票机制通过轮盘赌算法实现，每个粒子均进行投票，对票数进行累加更新，便于记录Operator和Owner的影响力，其累加更新公式为： 其中，为[0,1]范围内的随机数，N为种群粒子数，M代表粒子给定维度d投给对相应候选领导者Operator或Owner的票数，累加之后为总支持票数，可以直观的表明当选最后的Adm；为了利于进一步运算，每次迭代完成后，要对投票进行标准化处理： 其中， 5表达式2中第t+1代第i个粒子位置等于第t代第i个粒子位置和乘以第四个加速度因子C4和随机数r4∈[0,1]的速度Vi t+1之和； 步骤六、对差分进化算法进行改进：将传统差分进化算法中的两个参数：缩放因子F和交叉概率因子CR，调整为自适应参数，以提高算法的收敛性能和迭代精度； 步骤七、利用步骤五获取的精英种群作为改进差分进化算法的初始种群，结合自适应参数的缩放因子F和交叉概率因子CR，进行变异操作、交叉操作、选择操作，实现粒子群的迭代优化，并更新粒子群的Adm 步骤八、判断适应度值fit是否小于最小适应度值fmin，即fitfitmin：若是，结束并输出优化路径；否则，返回步骤四； 步骤九、对输出优化路径进行平滑处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学（北区）科技处；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。