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！

龙图腾网恭喜西安电子科技大学芜湖研究院申请的专利基于融合算法的机器人集群任务最优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：CN115167460B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210941660.4，技术领域涉及：G05D1/43；该发明授权基于融合算法的机器人集群任务最优路径规划方法是由张静;许达;刘曾缘;李云松设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本基于融合算法的机器人集群任务最优路径规划方法在说明书摘要公布了：本发明公开了基于融合算法的机器人集群任务最优路径规划方法。其实现步骤为：利用遗传算法生成初始的机器人集群路径方案；更新每个机器人的任务目标点；利用局部搜索方法更新每个机器人的任务目标点；利用精英策略更新最终信息素浓度；判断更新次数是否达到最优拟合更新次数；判断连续5次更新后，每次更新后的总距离代价与上一次更新后的总距离代价的差值是否小于本次迭代更新后的总距离代价的3％；解码生成每个机器人的子路径作为机器人集群任务最优路径规划方案。本发明与传统蚁群算法对比，具有收敛速度快，求解速度快，不易陷入局部最优的优点。

本发明授权基于融合算法的机器人集群任务最优路径规划方法在权利要求书中公布了：1.一种基于融合算法的机器人集群任务最优路径规划方法，其特征在于，利用遗传算法生成初始的机器人集群路径方案，利用局部搜索更新每个机器人的任务目标点，利用精英策略更新每个机器人的任务目标点；该方法的步骤包括如下：步骤1，利用遗传算法生成初始的机器人集群路径方案；步骤1.1，利用二进制编码方法，对任务目标点集群的每个任务目标点中的每个任务目标点进行二进制编码；将编码后的任务目标点连接成一条任务目标点的总路径编码；步骤1.2，利用随机函数，产生机器人集群中每个机器人的初始任务目标点，将确定初始任务目标点后机器人的状态变更为已规划机器人，从总路径编码中拆分出每个机器人的子路径编码；步骤1.3，计算每个已规划机器人的子路径适应度；步骤1.4，对每个已规划机器人依次进行筛选、交叉、变异的遗传操作，对遗传操作后的未规划机器人的状态变更为已规划机器人；步骤1.5，将筛选过程中排序过后的第0.6M个已规划机器人的子路径距离代价设置为距离代价阈值D；步骤1.6，利用十进制解码方式，对每个已规划机器人的子路径二进制编码进行解码，得到该机器人的子路径；计算每个已规划机器人的子路径距离代价，确定当前的已规划机器人的状态；步骤1.7，判断机器人集群中所有机器人的状态是否均为已规划机器人，若是，则集合所有机器人的子路径二进制编码作为初始的机器人集群路径方案，继续执行步骤2；否则，执行步骤1.3；步骤2，更新每个机器人的任务目标点：步骤2.1，按照当前的机器人集群的路径方案，将每个待更新机器人分别放置在该机器人其对应的初始任务目标点上，将该点的状态变更为已访问；步骤2.2，判定每个放置后机器人邻近的任务目标点中是否有未访问的任务目标点，若是，则执行步骤2.3；否则，执行步骤2.4；步骤2.3，利用状态转移主公式，更新该机器人下一个拟途径的任务目标点，将更新后的任务目标点的状态变更为已访问；步骤2.4，利用状态转移副公式，更新该机器人下一个拟途径的任务目标点，将更新后的任务目标点的状态变更为已访问；步骤2.5，判定任务目标点集群中所有的任务目标点的状态是否均为已访问，若是，则执行步骤3；否则，执行步骤2.2；步骤3，利用局部搜索方法更新每个机器人的任务目标点：步骤3.1，利用十进制解码法，对每个机器人的子路径二进制编码进行解码生成该机器人对应的子路径；步骤3.2，利用随机函数，为每个机器人的子路径序列产生一个转移序列号；按照生成的转移序列号，在每个机器人的子路径序列中，将该机器人转移序列号对应的任务目标点插入到下一个机器人子路径的转移序列号中；步骤3.3，利用随机函数，为每两个机器人的子路径序列产生一个交换序列号，将上述两个机器人的子路径中交换序列号对应的任务目标点进行交换；步骤3.4，利用随机函数，对每个机器人的子路径序列产生两个翻转序列号，将该机器人翻转序列号对应的两个任务目标点之间的路径区间进行翻转；步骤3.5，计算每条子路径的距离代价，求和得到总距离代价；步骤3.6，判定在连续5次更新后，每次更新后的总距离代价与上一次更新后的总距离代价的差值小于该次更新后的总距离代价的3％，若是，将每个机器人的子路径二进制编码更新为当前机器人集群路径方案，执行步骤4；否则，执行步骤3.2；步骤4，利用精英策略更新信息素浓度：步骤4.1，判定当前的机器人集群路径方案的总距离代价是否小于当前的全局方案的总距离代价，若是，则将当前的机器人集群路径方案作为新的全局方案；否则，全局方案不变；所述当前的全局方案指的是，在t＝0时，将步骤1.7生成的机器人集群路径方案作为当前的全局方案，在t≠0时，将上一轮更新过后的全局方案作为当前的全局方案；步骤4.2，根据残留信息素浓度公式：τ'ijt＝1-ρτijt-1，计算在途径任务目标点i与任务目标点j的路径中，待更新信息素浓度在空间中自然挥发后残留的信息素浓度τi'jt；ρ表示信息素挥发因子；所述待更新信息素浓度指的是，在t＝0时，设置待更新信息素浓度为2，在t≠0时，上一轮更新后的最终信息素浓度作为待更新信息素浓度；步骤4.3，根据下述的局部释放信息素浓度公式，计算机器人在途径任务目标点i与任务目标点j的路径上释放的局部信息素浓度 其中，Lpt表示当前的机器人集群路径方案的总距离代价，Lgt表示全局方案的总距离代价，Tp表示当前的机器人集群路径方案；步骤4.4，根据下述的全局释放信息素浓度公式，计算机器人在途径任务目标点i与任务目标点j的路径上中释放的全局信息素浓度 其中，Lpt表示当前的机器人集群路径方案的总距离代价，Lgt表示全局方案的总距离代价，Tg表示全局方案，；步骤4.5，根据下述的信息素浓度更新公式，计算机器人在途径任务目标点i与任务目标点j的路径上最终的信息素浓度τijt： 步骤5，判定更新次数是否达到最优拟合更新次数，若是，执行步骤6；否则，执行步骤2；步骤6，判定在连续5次更新后，每次更新后的总距离代价与上一次更新后的总距离代价的差值是否小于本次迭代更新后的总距离代价的3％，若是，则执行步骤7；否则，执行步骤2；步骤7，利用十进制解码法，对每个机器人的子路径二进制编码解码，获得每个机器人的子路径；将所有机器人的子路径集合，作为机器人集群任务最优路径规划方案。

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西安电子科技大学芜湖研究院，其通讯地址为：241000 安徽省芜湖市弋江区高新技术产业开发区科技产业园7号楼；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”。