買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京航空航天大學(xué)申請(qǐng)的專(zhuān)利基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114995413B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210588765.6，技術(shù)領(lǐng)域涉及：G05D1/43；該發(fā)明授權(quán)基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法是由陳聰;金智林;戴麗萍;吳文利設(shè)計(jì)研發(fā)完成，并于2022-05-26向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法，針對(duì)傳統(tǒng)遺傳算法具有收斂速度較慢、局部搜索能力差等缺點(diǎn)和容易在路徑規(guī)劃領(lǐng)域中目標(biāo)不可達(dá)和易陷入局部最小值點(diǎn)等缺陷，改進(jìn)了傳統(tǒng)遺傳算法的交叉、變異算子和適應(yīng)度函數(shù)，將不同權(quán)重占比的智能小車(chē)總路徑長(zhǎng)度和智能小車(chē)行駛路徑平滑度加入適應(yīng)度函數(shù)并且利用輪盤(pán)賭法確定改進(jìn)后的交叉算子，大幅提高了智能小車(chē)行駛路徑的平滑性。加快了算法的收斂速度，降低算法達(dá)到全局最優(yōu)解時(shí)的迭代次數(shù)，大大提高算法的效率。

本發(fā)明授權(quán)基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法在權(quán)利要求書(shū)中公布了：1.基于改進(jìn)遺傳算法的智能小車(chē)路徑規(guī)劃方法，其特征在于，包括以下步驟：步驟1，構(gòu)建柵格地圖，以地圖左下角第一個(gè)柵格為原點(diǎn)建立坐標(biāo)系；步驟2，初始化種群，并初始化遺傳算法的以下參數(shù)：種群數(shù)量NP、最大迭代次數(shù)max_gen；步驟3，產(chǎn)生初始化可行路徑：步驟3.1，先按順序在每一行隨機(jī)選取一個(gè)無(wú)障礙柵格，形成一條包含M個(gè)柵格的間斷的路徑，M為路徑中柵格的個(gè)數(shù)，并令i＝1；步驟3.2，根據(jù)以下公式計(jì)算第i個(gè)柵格和i+1個(gè)柵格之間的D值：D＝max{absxi+1-xi,absyi+1-yi}式中，xi，yi是第i個(gè)柵格的坐標(biāo)，xi+1，yi+1是第i+1個(gè)柵格的坐標(biāo)；步驟3.3，判斷D值是否等于1：步驟3.3.1，若D＝1，第i個(gè)柵格和i+1個(gè)柵格為連續(xù)柵格，令i＝i+1，判斷i和M的大??；步驟3.3.1.1，若i≥M-1，此時(shí)的路徑即為初始化后可行路徑，跳轉(zhuǎn)執(zhí)行步驟4；步驟3.3.1.2，若i＜M-1，跳轉(zhuǎn)執(zhí)行步驟3.2；步驟3.3.2，若D不等于1，第i個(gè)柵格和i+1個(gè)柵格之間不連續(xù)，則根據(jù)以下公式計(jì)算第i個(gè)柵格和i+1個(gè)柵格之間中點(diǎn)柵格的坐標(biāo)xc，yc： 步驟3.3.2.1，若中點(diǎn)柵格上無(wú)障礙，則將該中點(diǎn)柵格插入第i個(gè)柵格和i+1個(gè)柵格之間，使得該中點(diǎn)柵格變成新的第i+1個(gè)柵格，令M＝M+1，更新路徑并跳轉(zhuǎn)執(zhí)行步驟3.2；步驟3.3.2.2，若中點(diǎn)柵格上存在障礙，則依次判斷中點(diǎn)柵格的上、下、左、右的柵格上是否存在障礙，若均存在障礙，跳轉(zhuǎn)執(zhí)行步驟3.1；若存在其上無(wú)障礙的柵格，則選擇第一個(gè)無(wú)障礙的柵格作為新的中點(diǎn)柵格，再將該新的中點(diǎn)柵格插入第i個(gè)柵格和i+1個(gè)柵格之間，使得該新的中點(diǎn)柵格變成新的第i+1個(gè)柵格，令M＝M+1，更新路徑并跳轉(zhuǎn)到步驟3.2；步驟4，構(gòu)造適應(yīng)度函數(shù)fitness，考慮規(guī)劃路徑的長(zhǎng)度和平滑程度加入到適應(yīng)度函數(shù)fitness中；步驟4.1，規(guī)劃路徑總長(zhǎng)度d等于相鄰兩個(gè)柵格之間距離之和，具體公式如下： 步驟4.2，路徑越平滑，相鄰三點(diǎn)形成的角度越大，角度越大相鄰三點(diǎn)之間的距離越大，因此計(jì)算路徑中所有相鄰三點(diǎn)的距離作為適應(yīng)度函數(shù)的第二部分，考慮到智能小車(chē)行駛過(guò)程中的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束，規(guī)定規(guī)劃路徑的轉(zhuǎn)角ph的計(jì)算公式如下： 步驟4.3，根據(jù)對(duì)路徑長(zhǎng)度和路徑平滑度的要求選用不同的權(quán)重構(gòu)造相應(yīng)的適應(yīng)度函數(shù)；步驟5，選擇操作：根據(jù)適應(yīng)度函數(shù)計(jì)算得出每一個(gè)個(gè)體的適應(yīng)度值，再計(jì)算每一個(gè)個(gè)體的適應(yīng)度值占全部個(gè)體適應(yīng)度之和的比例；根據(jù)每一個(gè)個(gè)體的概率比例，使用基于概率的輪盤(pán)賭方法選擇出下一代個(gè)體；步驟6，交叉操作：步驟6.1，首先從第一個(gè)個(gè)體開(kāi)始比較兩個(gè)相鄰個(gè)體的適應(yīng)度值大小，然后保留其中適應(yīng)度值較大的個(gè)體記錄其適應(yīng)度值為f′，然后根據(jù)交叉概率公式計(jì)算此次交叉操作中的具體交叉概率Pc，再隨機(jī)選取0-1之間的一個(gè)數(shù)作為交叉比較概率Pcc，j＝1；步驟6.2，從第j個(gè)種群開(kāi)始比較第j個(gè)種群的交叉概率Pc和Pcc的大小，若j種群的交叉概率小于Pcc，則在j和j+1種群所包含的相同柵格中隨機(jī)選取一個(gè)柵格，交換此相同柵格后面的全部路徑；然后令j＝j(luò)+1，判斷j是否小于種群數(shù)量，若j值小于種群數(shù)量，則重復(fù)步驟6.2繼續(xù)循環(huán)，反之則結(jié)束交叉操作；交叉概率Pc公式具體如下： 其中fmax為整個(gè)迭代循環(huán)過(guò)程中的最大適應(yīng)度值，是整個(gè)迭代循環(huán)過(guò)程中的平均適應(yīng)度值，f′為此次交叉操作中的較大適應(yīng)度值；步驟7，變異操作：步驟7.1，首先從第一個(gè)個(gè)體開(kāi)始比較兩個(gè)相鄰個(gè)體的適應(yīng)度值大小，然后保留其中適應(yīng)度值較大的個(gè)體記錄其適應(yīng)度值為f′，然后根據(jù)交叉概率公式計(jì)算此次變異操作中的具體變異概率Pm，再隨機(jī)選取0-1之間的一個(gè)數(shù)作為交叉比較概率Pmm，k＝1；步驟7.2，從第k個(gè)種群開(kāi)始比較第k個(gè)種群的交叉概率Pm，若j種群的變異概率小于k+1，則在k和k+1種群所包含的相同柵格中隨機(jī)選取一個(gè)柵格，交換此相同柵格后面的全部路徑；然后令k＝k+1，判斷k是否小于種群數(shù)量，若k值小于種群數(shù)量，則重復(fù)步驟7.2變異概率Pm公式具體如下： 步驟8，重復(fù)步驟5至步驟7max_gen次，得到迭代平均路徑長(zhǎng)度和最優(yōu)路徑長(zhǎng)度，輸出遺傳算法的收斂曲線(xiàn)圖。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人南京航空航天大學(xué)，其通訊地址為：210016 江蘇省南京市秦淮區(qū)御道街29號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。