一种基于PSO-MPC融合的多智能体路径规划方法
技术特征：
1.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了在引入多目标点后，让形成的曲线没有相交的点，在初始化速度、位置等种群信息后，本发明引入了排序函数dai，其表达式为：
2.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代、快速收敛使形成的全局路径更优，本发明对速度公式进行改进，引入了多目标点和对多目标点向理论最优靠近，粒子速度公式变成多目标点运动公式并引入导向函数，其表达式分别为：
3.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使算法在全局路径规划中更有效的迭代、快速收敛使形成的全局路径更优，本发明引入了权重因子函数，其表达式为：
4.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使得形成的路径平滑且在避开障碍物的同时，还能在智能体进行轨迹跟踪时能够保持其安全性，本发明用三次样条曲线形成光滑的曲线，给出安全函数，其定义式如下：
5.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了使pso路径规划算法从单智能体应用于多智能体的路径规划中，本发明给出了智能体群函数，定义式如下：
6.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了识别检测范围内的未知物体是障碍物还是智能体，本发明引入了智能体识别函数，其表达式为：
7.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了判断新出现的障碍物是否对智能体原始的运行轨迹产生影响，本发明引入了未知障碍物记录函数hobn以及预避障函数hobnewn，其表达式如下所示：
8.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了不同智能体对未知障碍物进行避障，本文引入了障碍物分区函数，对离智能体运动位置最近的障碍物作为障碍物分区的原点，分区函数定义如下：
9.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了不同智能体对未知障碍物进行避障，并根据分区函数，本文引入多种避障策略：第一种避障策略给出初步预测点，根据实际预测点个数，相关定义如下：
10.一种基于pso-mpc融合的多智能体路径规划方法，其特征在于，为了多智能体之间的协同运作，本文引入了交点函数：
技术总结
本发明涉及了一种基于PSO‑MPC融合的多智能体路径规划方法，涉及人工智能路径规划技术领域。对多智能体路径规划是一个具有挑战性的任务，涉及缩短路径长度、保持安全行驶距离。本文提出一种PSO与MPC融合的多智能体路径规划算法；在该算法中，首先，利用PSO算法规划全局路径，并引入多目标点的导向函数、权重因子自适应函数，来减少路径长度；其次，以全局路径作为MPC实时跟踪的参考轨迹，并引入安全的预测点、控制智能体函数的行驶速度，从而保持智能体行驶的安全性。最后，在仿真实验中与传统PSO、MOPSO以及蚁群等其他算法的对比实验表明，本文提出的算法形成的全局路径长度更短，收敛速度更快；智能体时刻位于安全区域中，且形成的路径更加光滑。
技术研发人员：吕重阳,周能宏,王爽,董文静,庞怀勇
受保护的技术使用者：哈尔滨理工大学
技术研发日：
技术公布日：2024/11/28
技术研发人员：吕重阳,周能宏,王爽,董文静,庞怀勇
技术所有人：哈尔滨理工大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除