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！

龙图腾网获悉宁波大学申请的专利一种基于改进哈里斯鹰算法的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：CN116608855B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310247066.X，技术领域涉及：G01C21/20；该发明授权一种基于改进哈里斯鹰算法的机器人路径规划方法是由符强;黄霖;童楠;王辉;项雨晴设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种基于改进哈里斯鹰算法的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改进哈里斯鹰优化算法的机器人路径规划方法，先对哈里斯鹰优化算法进行改进优化，得到改进哈里斯鹰优化算法，然后将改进哈里斯鹰优化算法中的哈里斯鹰位置寻优与机器人路径规划相对应，采用改进哈里斯鹰优化算法得到最优哈里斯鹰位置作为机器人路径规划的各个节点，将各个节点、路径起点和路径终点连接起来实现机器人路径规划，其中，对哈里斯鹰优化算法进行改进优化，得到改进哈里斯鹰优化算法的具体改经优化措施为：一、利用自然常数e改进逃逸能量公式；二、采用精英合作引导全局搜索策略取代随机哈里斯鹰引导的全局搜索策略；三、在哈里斯鹰优化算法开发阶段引入种内竞争策略；优点是在具有较高的精度的同时，效率较高。

本发明授权一种基于改进哈里斯鹰算法的机器人路径规划方法在权利要求书中公布了：1.一种基于改进哈里斯鹰优化算法的机器人路径规划方法，其特征在于先对哈里斯鹰优化算法进行改进优化，得到改进哈里斯鹰优化算法，然后将改进哈里斯鹰优化算法中的哈里斯鹰位置寻优与机器人路径规划相对应，采用改进哈里斯鹰优化算法得到最优哈里斯鹰位置，将最优哈里斯鹰位置作为机器人路径规划的各个节点，将各个节点、路径起点和路径终点依次连接起来实现机器人路径规划，其中，对哈里斯鹰优化算法进行改进优化，得到改进哈里斯鹰优化算法的具体改经优化措施为：一、利用自然常数e改进逃逸能量公式；二、采用精英合作引导全局搜索策略取代随机哈里斯鹰引导的全局搜索策略；三、在哈里斯鹰优化算法开发阶段引入种内竞争策略； 将改进哈里斯鹰优化算法中的哈里斯鹰位置寻优与机器人路径规划相对应，采用改进哈里斯鹰优化算法得到最优哈里斯鹰位置，将最优哈里斯鹰位置作为机器人路径规划的各个节点位置，将各个节点、路径起点、路径终点依次连接起来实现机器人路径规划的具体过程为： 步骤1、确定路径规划的相关参数具体为：建立所需路径规划的区域的连续坐标系二维平面地图，在连续坐标系二维平面地图中每个障碍物处分别用圆形以内切方式去拟合，统计拟合得到的圆形数量，将其记为W；分别获取每个圆形的圆心坐标和半径，将第v个圆形的圆心坐标记为将第v个圆形的半径记为v＝1,2,...,W；获取连续坐标系二维平面地图的起点坐标、终点坐标、横坐标最大值ubx、纵坐标最大值uby、横坐标最小值lbx和纵坐标最小值lby，将起点坐标记为xstart,ystart，终点坐标记为xend,yend，设定上限ub＝ubx,uby，设定下限lb＝lbx,lby，将连续坐标系二维平面地图的面积记为S,S＝ubx-lbx×uby-lby，设定路径节点数为n，n为大于等于3的整数； 步骤2、构建哈里斯鹰种群，其中哈里斯鹰种群规模设定为N，N为大于等于4的整数，最大迭代次数设定为T，T为大于等于50的整数，采用公式1初始化哈里斯鹰种群中N个哈里斯鹰个体，得到初始种群，即第0代种群： 式1中，表示第0代种群中第i个哈里斯鹰个体的第j个坐标，其中，为横坐标，为纵坐标，每个哈里斯鹰个体均具有n个坐标，每个哈里斯鹰个体分别通过其n个坐标构成的坐标集进行表示，i＝1,2,...,N，j＝1,2,...,n，和分别为随机函数产生的随机数，且 步骤3、对第0代种群中每个哈里斯鹰个体分别进行评估，其中对第0代种群中第i个哈里斯鹰个体进行评估的具体过程为： S3-1、设定其中为中第0个坐标，为中第n+1个坐标，为中第j个坐标； S3-2、设定中第l个坐标和第l+1个坐标的连线与W个圆形的交点个数为将初始化为等于0；将l初始化为等于0； S3-3、设定变量m，将m初始化为等于1； S3-4、设定中第l个坐标和第l+1个坐标的连线到第m个圆形的圆心之间的最短距离为 S3-5、采用式2计算得到 式2中，||为取绝对值符号； S3-6、判断是否小于等于如果小于等于则采用的当前值加1的和更新否则的当前值保持不变； S3-7、判断m的当前值是否等于W，如果m的当前值等于W，则判断l的当前值是否等于n，如果l的当前值等于n，则将当前得到的的值赋值给wi0，进入步骤S3-8，如果l的当前值不等于n，则将的当前值赋值给然后采用l的当前值加1的和更新l的取值，返回步骤S3-3，如果m的当前值不等于W，则采用m的当前值加1的和更新m的取值，返回步骤S3-4； S3-8、将wi0和中每个坐标分别代入式3所示的适应度函数，计算得到第0代种群中第i个哈里斯鹰个体的适应度值： 式3中，表示第0代种群中第i个哈里斯鹰个体的适应度值； S3-9、对第0代种群中N个哈里斯鹰个体按照其适应度值从小到大进行排序，将第0代种群中适应度值最小的哈里斯鹰个体作为第0代最优哈里斯鹰个体Xbest0，设定第0代种群的最优状态为Xa0，将Xbest0赋值给Xa0，将第0代种群中适应度值排名第二小的哈里斯鹰个体记为Xb0；将第0代种群中适应度值排名第三小的哈里斯鹰个体记为Xc0，选取第0代种群中适应度值最小的哈里斯鹰个体作为第0代猎物Xa0； 步骤4、设定迭代变量t，将t初始化为等于1； 步骤5、对哈里斯鹰种群进行第t次迭代，得到第t代种群，具体迭代过程为： S5-1、分别对第t-1代种群中每个哈里斯鹰个体进行是否出界的判断处理，得到更新后的第t-1代种群，其中第t-1代种群中第i个哈里斯鹰个体的具体判断处理过程为： 若则令即将更新为等于lbx，若则令即将更新为等于ubx，若则保持不变，若则令即将更新为等于lby，若则令即将更新为等于uby，则保持不变； S5-2、对更新后的第t-1代种群求坐标均值，具体过程为： 设定为更新后的第t-1代种群的第j个坐标均值，其中，为的横坐标，为的纵坐标，采用式4计算得到和 式4中，为更新后的第t-1代种群中第i个哈里斯鹰个体的第j个坐标的横坐标，为更新后的第t-1代种群中第i个哈里斯鹰个体的第j个坐标的纵坐标； S5-3、将第t代猎物的逃逸能量记为Et，采用式5计算得到第t代猎物的逃逸能量，设定系数At、Bt和Ct，根据式6、7和8计算得到系数At、Bt和Ct： 其中，E0t利用随机函数产生，且-1≤E0t≤1，设定第t代收敛因子等于|Et|；||为绝对值符号，e为自然常数，取值为2.7182818284；表示Xat-1的适应度值，表示Xbt-1的适应度值，表示Xct-1的适应度值； S5-4、将更新后的第t-1代种群中第i个哈里斯鹰个体记为Xit-1，将Xit-1转化成n×2类型矩阵，记为Xit-1，Xit-1中第一列为横坐标，第二列为纵坐标，其中，更新后的第t-1代种群中第i个哈里斯鹰个体的第j个坐标对应为Xit-1中第j行的1×2类型向量，将其记为将Xat-1的每个坐标分别转化为第一列为横坐标，第二列为纵坐标的1×2类型向量，其中Xat-1的第j个坐标转化得到的1×2类型向量记为将Xbt-1的每个坐标分别转化为第一列为横坐标，第二列为纵坐标的1×2类型向量，将Xbt-1的第j个坐标转化得到的1×2类型向量记为将Xct-1的每个坐标分别转化为第一列为横坐标，第二列为纵坐标的1×2类型向量，将Xct-1的第j个坐标转化得到的1×2类型向量记为 将第t代种群中第i个哈里斯鹰个体记为Xit，将Xit转化成n×2类型矩阵Xit，Xit中第一列为横坐标，第二列为纵坐标，第t代种群中第i个哈里斯鹰个体Xit的第j个坐标对应为Xit中第j行的1×2类型向量，将其记为 对第t代收敛因子|Et|进行判断，若|Et|＜1，则先进入步骤S5-5后再进入步骤S5-6，根据步骤S5-5和步骤S5-6得到若|Et|≥1，则先分别利用随机函数产生和其中然后判断是否大于等于0.5，若则采用式9计算得到再直接转入步骤S5-7，否则由式10计算得到后再直接转入步骤S5-7； S5-5、将第t代猎物的跳跃强度记为Jt，先根据式11计算得到跳跃强度Jt，然后分别对Xit-1的每行向量进行替换处理，其中对Xit-1的第j行向量进行替换处理的过程为： S5-5-1、设定4个用作预替换的1×2类型向量，分别为和采用式12至式17计算得到和 Jt＝21-r4t11 其中，D为2维的单位向量，β等于1.5，Γ表示伽马Gamma函数；利用随机函数生成随机数μt、νt和r4t，且0≤μt≤1、0≤νt≤1和0≤r4t≤1； S5-5-2、将Xit-1的第j行向量替换成后转化为坐标集得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法得到该哈里斯鹰个体的适应度值，将此时得到的适应度值记为 将Xit-1的第j行向量替换成后转化为坐标集得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法得到该哈里斯鹰个体的适应度值，将此时得到的适应度值记为 将Xit-1的第j行向量替换成后转化为坐标集得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法得到该哈里斯鹰个体的适应度值，将此时得到的适应度值记为 将Xit-1的第j行向量替换成后转化为坐标集得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法得到该哈里斯鹰个体的适应度值，将此时得到的适应度值记为 S5-6、利用随机函数生成随机数randt，且0≤randt≤1，根据随机数randt和第t代收敛因子|Et|来选择策略得到 S5-6-1、若randt≥0.5，且0.5≤|Et|＜1，采用式17计算得到 若randt≥0.5，且0≤|Et|＜0.5，采用式18计算得到 若randt＜0.5，且0.5≤|Et|＜1，先判断是否小于若满足则将赋值给若不满足则判断是否小于若满足则将赋值给若不满足则将赋值给 若randt＜0.5，且0≤|Et|＜0.5，先判断是否小于若满足则将赋值给若不满足则判断是否小于若满足则将赋值给若不满足则将赋值给 操作完成后得到至 S5-6-2、将当前得到的至从1×2类型向量再转换为坐标，至转换得到的坐标构成一个包括n个坐标的坐标集，即得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法得到计算该哈里斯鹰个体的适应度值，记为 S5-6-3、设定用作预替换的1×2类型向量采用式19计算得到将步骤S5-6-2当前得到的哈里斯鹰个体按照前面相同的方法转换为n×2类型矩阵后，将该n×2类型矩阵的第j行向量替换成后转化为一个坐标集，得到一个哈里斯鹰个体，采用与第0代种群中每个哈里斯鹰个体的适应度值相同的方法计算得到该哈里斯鹰个体的适应度值，将此时得到的适应度值记为若小于则将赋值给否则保持不变； S5-7、将当前得到的至按照前面相同的方法，分别转换为坐标，此时得到至对应的n个坐标，这n个坐标构成一个坐标集，该坐标集即为第t代种群中第i个哈里斯鹰个体，由此得到第t代种群的N个哈里斯鹰个体； S5-8、判断t的当前值是否等于T，如果不等于，则先按照步骤3相同的方法对第t代种群进行评估，得到第t代种群中每个哈里斯鹰个体的适应度值、第t代种群中适应度值最小的哈里斯鹰个体Xbestt、第t代种群的最优状态Xat、第t代种群中适应度值排名第二小的哈里斯鹰个体Xbt、第t代种群中适应度值排名第三小的哈里斯鹰个体Xct以及第t代猎物Xat，然后采用t的当前值加1的和更新t的值后返回步骤S5.1进行下一次迭代，如果等于T，则迭代结束，输出最优状态XbestT，即哈里斯鹰最优位置； 步骤6、在连续坐标系二维平面地图中找到XbestT中各个坐标所在位置，即节点位置，按照从起点到终点的顺序，依次连接起点坐标xstart,ystart、XbestT中各个坐标和终点坐标xend,yend即得到机器人移动的最优路径。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818号；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”。

以上内容由龙图腾AI智能生成。