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！

龙图腾网获悉河海大学常州校区申请的专利基于融合元启发式算法的三维空间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：CN114995504B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210696246.1，技术领域涉及：G05D1/46；该发明授权基于融合元启发式算法的三维空间机器人路径规划方法是由张杰;王正鑫;钱玉洁;韩光洁设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本基于融合元启发式算法的三维空间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融合元启发式算法的三维空间机器人路径规划方法。该方法在三维空间驱使机器人从起点向终点移动，并使其在移动过程中寻找最优的移动方位。该方法的核心为融合元启发式算法。融合元启发式算法是常规灰狼优化算法的改进，常规的灰狼优化算法存在过早陷入局部最优的弊端，因此设计非线性收敛因子和自适应权重系数，平衡全局搜索和局部搜索，并融合到平衡优化算法，通过设计迭代竞争机制，提高算法收敛速度，从而提高机器人路径规划的运作效率。

本发明授权基于融合元启发式算法的三维空间机器人路径规划方法在权利要求书中公布了：1.一种基于融合元启发式算法的三维空间机器人路径规划方法，面向三维空间搜索应用，其特征在于在给定的三维空间中，机器人按如下步骤移动： 1-1、设置起点和终点； 1-2、参数化空间环境，包括障碍物位置、障碍物数目、障碍物状态、空间阻力； 1-3、以空间环境参数为输入，运行，融合元启发式算法的优化目标在于路径的质量 和算法收敛速度，输出为一段路径； 1-4、判断该路径是否到达终点，如果未达终点则更新环境信息，再次运行融合元启 发式算法继续叠加路径；如果已到达终点，便向机器人设置目前路径； 1-5、机器人按设置的路径移动； 所述步骤1-3、1-4步骤中使用的融合元启发式算法是对常规的灰狼优化算法进行改进，设计非线性收敛因子和自适应权重系数，平衡全局搜索和局部搜索，并融合到平衡优化算法，通过设计迭代竞争机制，提高算法收敛速度； 对常规的灰狼优化算法进行改进的具体步骤如下： 采用以下灰狼优化算法中使用的术语： 种群：在确定的搜索区域内参与优化的搜索个体总数目； 搜索代理，即狼：在搜索区域内可移动的个体位置； 狼α、β、σ：在每次迭代过程中最好的3个搜索代理； 头狼：在每次迭代过程中最好的搜索代理； 收敛因子a：灰狼优化算法迭代过程中平衡算法勘探能力和开发能力的参数； 离心距离：种群中每个搜索代理与历史最佳位置头狼之间的空间距离； 平衡池：每次迭代过程中最优的4个搜索代理及它们的算数平均值构成的候选解集； 使用一种非线性收敛因子策略，从平均离心距离和最大离心距离计算出每个搜索代理当前离心距离的变化率；其中，离心距离是种群中搜索代理与历史最佳位置之间的空间距离；通过离心距离的变化来判断候选解的分布，并将收敛因子调整为动态变化和非线性衰减；离心距离变化率的引入使得算法可以更好地平衡全局搜索和局部搜索；离心距离变化率λ表示如下： 其中distmax表示种群n在D维空间中搜索最优解时，每个搜索代理的最大离心距离，其值为distave表示种群n在D维空间中搜索最优解时，每个搜索代理的平均离心距离，其值为 是迭代历史过程中最好位置向量，即常规灰狼优化算法迭代过程的头狼位置向量，称为α的位置向量；是灰狼搜索代理i的d维位置向量； 在收敛因子a的更新公式中加入λ动态调整其收敛速度，有效协调算法的全局搜索和局部搜索能力；改进的收敛因子a更新公式如下: 其中Iter表示当前迭代次数，Itermax表示算法最大迭代次数； 搜索代理的位置更新公式使用一种自适应权重系数策略，根据种群在迭代过程中的总体收敛程度动态更新搜索代理的灰狼位置；每个搜索代理相对于α，β，σ的当前离心距离的变化率λj表示如下： 其中，j包括狼α、β、σ，distαmax表示此时的搜索代理相对于α的最大离心距离，distβmax表示此时的搜索代理相对于β的最大离心距离，distσmax表示此时的搜索代理相对于σ的最大离心距离；distαave表示此时的搜索代理相对于α狼的平均离心距离，distβave表示此时的搜索代理相对于β狼的平均离心距离，distσave表示此时的搜索代理相对于σ狼的平均离心距离； 根据每个搜索代理当前对狼α、β、σ的离心距离变化率λj设计以下自适应权重系数： 其中，ω1是对应于α的权重系数，ω2是对应于β的权重系数，ω3是对应于σ的权重系数， 结合设计的自适应权重系数，得到新的搜索代理位置更新公式如下： 其中XiIter+1表示在下一次迭代的搜索代理位置，Xi,α表示搜索代理i相对于α的距离，Xi,β表示搜索代理i相对于β的距离，Xi,δ表示搜索代理i相对于σ的距离； 改进的灰狼优化算法融合到平衡优化算法的具体方法如下： 首先，进行初始化，设置最大迭代次数Itermax和种群大小n，且初始路径中搜索代理生成如下： 其中，Xup、Xlow分别代表变量X的上下边界，即代表算法的搜索区域，rand[0,1]表示[0,1]的随机数； 之后，确定平衡池Ceq,coolIter，即确定候选解集池，具体如下： 其中，CaveIter表示最优的四个搜索代理CeqiIter,i＝1,2,3,4的算术平均值，CeqiIter,i＝1,2,3,4表示当前迭代中最好的四个搜索代理； 然后，加入自适应灰狼搜索阶段，基于平衡池中的优秀搜索代理指导其他搜索代理进行全局更新，具体如下： 其中，Dα、Dβ、Dσ分别表示基于α，β，σ的位置向量矩阵，X1、X2、X3分别表示α、β、σ指导下对应搜索代理的位置，XeqαIter，XeqβIter，XeqσIter分别表示当前迭代下α、β、σ的位置，XeqiIter表示第i个搜索代理在当前迭代次数下的位置；另外对应系数向量设置为： 其中，Iter为当前迭代次数，Ai和Ci为系数向量，a为改进的非线性收敛因子，r1、r2为[0,1]中的随机向量； 随后，为了加快算法收敛速度，设计竞争机制，具体如下： 其中，表示当前迭代中所得到的最优搜索代理，表示通过自适应灰狼搜索得到的搜索代理位置，CeqiIter表示第i个搜索代理位置，函数f表示对应搜索代理的适应度值，适应度值越小，所得搜索代理越优； 此时新的平衡池更新为： 其中，表示迭代后新的最优的四个搜索代理的算术平均值，表示当前迭代后所得到的最好的四个搜索代理； 最后，当迭代次数Iter1时，好的解决方案由以下方式保留: CeqiIter＝CeqiIter-1,iffCeqiIter-1fCeqiIter12 CeqiIter表示当前迭代下第i个搜索代理，CeqiIter-1表示上一次迭代下第i个搜索代理，同理函数f表示对应搜索代理的适应度值； 迭代过程中，每个搜索代理CiIter的位置更新如下： 其中，CiIter表示第i个搜索代理，来自平衡池中，γ是[0,1]区间内的随机向量，其他参数具体如下： 其中r,r1,r2为[0,1]中的随机数，CeqIter来自于平衡池中，CiIter表示第i个搜索代理，signr-0.5控制勘探方向，且正负概率相等。

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河海大学常州校区，其通讯地址为：213022 江苏省常州市新北区晋陵北路200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”。