一种基于集群协同蚁群算法的无人驾驶路径规划方法

1.一种基于集群协同蚁群算法的无人驾驶路径规划方法，其特征在于，步骤如下：

2.针对权利要求1中所述的自适应步长策略，其特征在于，采用不限制步长范围的可行节点选择，使蚂蚁单次移动距离和移动方向更加灵活，自适应步长蚁群算法的节点选择逻辑为将当前节点可直线到达且不受障碍物阻碍的节点作为下一次移动的可选节点，单次搜索邻域数量的增加可以使算法的总的搜索次数减少，增强了算法的寻优能力。

3.针对权利要求1中所述的自适应蚁群数量策略，其特征在于，为了提高算法的稳定性和全局寻优能力，避免陷入局部最优解，本发明引入自适应蚁群数量策略，对迭代过程中的蚁群数量进行动态的调整，其调整函数表达式为：

4.针对权利要求1中所述的双向蚁群协同策略，其特征在于，将当前迭代次数的蚂蚁数量分为两个子种群，分别为正向种群和反向种群，使这两个种群交替从起点出发到终点和终点出发到起点进行探索，在前行过程中每只蚂蚁会记录自身已走过的每个节点离起点的距离，将这个数据命名为节点距离指数，并将其记录在对应子种群的节点距离指数数据集中，在每次迭代中的蚂蚁节点转移后都会将当前节点距离指数与数据集中对应数据的大小进行比较，如果更小则替换这个数据，否则不做改动，正向子种群在节点选择时以反向子种群所记录的各节点距离指数为指导，选择最优路径，同理，反向子种群以正向子种群所记录的各节点距离指数为指导，两个种群之间相互反馈、协同，最终收敛得到最优路径。

5.针对权利要求1中所述的重新构建以节点距离指数为主导的启发式函数，其特征在于，为了提高优化算法的效率，加快收敛速度，本发明重新构建以节点距离指数为主导的启发函数εij，以正向探索为例，其表达式为：

6.针对权利要求4中所述的节点距离指数，其特征在于，节点距离指数是赋予在每个节点上为蚂蚁提供指引的特征值，蚂蚁可以通过评价每个节点的特征值来做出节点转移决策，正向与反向节点距离指数数据矩阵为和其中nw为地图规模的边长大小。