基于改進(jìn)人工蜂群算法的核電巡檢機(jī)器人路徑優(yōu)化策略設(shè)計(jì)

王遠(yuǎn)國，俞海兵，李云臣，卓廉程，曹洋

（大亞灣核電運(yùn)營管理有限責(zé)任公司，廣東深圳 518124）

隨著人工智能技術(shù)的高速發(fā)展，智能機(jī)器人在工業(yè)制造、搶險(xiǎn)救災(zāi)、物流貨運(yùn)與廠站巡檢等領(lǐng)域的應(yīng)用較為廣泛[1-3]。當(dāng)前，核電站的巡檢仍主要依賴于人工巡檢。但傳統(tǒng)人工巡檢存在工作量較大、設(shè)備異常狀態(tài)易被誤判及危險(xiǎn)環(huán)境對工作人員人身安全威脅較大等缺點(diǎn)[4-5]。因此，將機(jī)器人應(yīng)用于核電站的巡檢工作已逐漸成為一種必然趨勢。

智能巡檢機(jī)器人可利用其攜帶的紅外、紫外、圖像與超聲波等先進(jìn)傳感器技術(shù)，來實(shí)現(xiàn)對核電站設(shè)備運(yùn)行狀態(tài)的監(jiān)測，并能夠極大地減少人工投入及誤判率[6-8]。由于核電站設(shè)備種類繁多、環(huán)境復(fù)雜，如何對巡檢機(jī)器人的路徑進(jìn)行優(yōu)化，減少巡檢路徑，從而提高巡檢效率，是亟待解決的關(guān)鍵問題之一。針對上述問題，該文提出了一種改進(jìn)的人工蜂群算法，并將其應(yīng)用于核電巡檢機(jī)器人的路徑規(guī)劃中，以提高機(jī)器人的巡檢效率。

1 蜂群算法

1.1 基本原理

人工蜂群（Artificial Bee Colony，ABC）算法是一種模擬蜜蜂群體搜尋花蜜覓食行為模式的啟發(fā)式智能算法。該算法參數(shù)設(shè)置少，且搜索收斂速度較快，因此能夠在一定程度上跳出局部最優(yōu)解，從而避免算法早熟，故受到了廣大研究學(xué)者的青睞[9-10]。

ABC 算法與優(yōu)化問題求解的對應(yīng)關(guān)系如表1 所示。其核心思想是模擬引領(lǐng)蜂、跟隨蜂與偵查蜂對蜜源搜索的過程：隨機(jī)生成初始蜜源位置，并分配給引領(lǐng)蜂；其會(huì)對蜜源進(jìn)行鄰近搜尋，以發(fā)現(xiàn)新蜜源；引領(lǐng)蜂將蜜源信息傳遞給跟隨蜂，該蜂從引領(lǐng)蜂的蜜源中選取一個(gè)蜜源，并進(jìn)行領(lǐng)域搜尋；當(dāng)引領(lǐng)蜂在一個(gè)蜜源位置進(jìn)行多次領(lǐng)域搜尋而未找到新的蜜源時(shí)，則舍棄該蜜源；此時(shí)引領(lǐng)蜂轉(zhuǎn)為偵查蜂，并隨機(jī)生成新的蜜源位置，且重復(fù)上述搜尋過程。

表1 算法優(yōu)化參數(shù)對應(yīng)關(guān)系

假設(shè)蜂群種群規(guī)模為S，其中有M個(gè)引領(lǐng)蜂，通常取M=S/2，最大更新迭代次數(shù)為Gmax，迭代控制參數(shù)為ε，待求解優(yōu)化問題的解空間維度為D，則ABC算法主要步驟如下[11-12]：

1）初始蜜源生成

首先在優(yōu)化問題的D維解空間中隨機(jī)生成M個(gè)初始蜜源位置并分配給引領(lǐng)蜂，則第i個(gè)蜜源為：

式（1）中，xij為第i個(gè)蜜源第j維的取值，其計(jì)算方式如下：

式（2）中，rij為區(qū)間(0,1)范圍內(nèi)的隨機(jī)數(shù)；xj,max和xj,min分別為第j維解空間的上下限。

2）領(lǐng)域搜尋更新

引領(lǐng)蜂在蜜源位置進(jìn)行領(lǐng)域搜尋，得到新的蜜源位置Vi=[vi1,vi2,…,vij,…,viD]，搜尋方法如下：

式（3）中，vij為領(lǐng)域搜尋生成新蜜源Vi的第j維取值；xkj為第k個(gè)蜜源第j維的取值，k為在集合{1,2,…,M}中生成的隨機(jī)數(shù)；φij為[0,1]范圍內(nèi)生成的隨機(jī)數(shù)。

進(jìn)一步，引領(lǐng)蜂根據(jù)貪婪原則更新蜜源，更新機(jī)制如下：

式（4）中，f(·)為蜜源適應(yīng)度函數(shù)。

3）跟隨蜂選擇蜜源

在引領(lǐng)蜂進(jìn)行一次領(lǐng)域搜尋后，每個(gè)跟隨蜂根據(jù)輪盤賭原則從當(dāng)前蜜源集合中選取其中一個(gè)，并按照上述步驟2）進(jìn)行一次領(lǐng)域搜尋更新。

基于輪盤賭原則的選擇過程：隨機(jī)生成一個(gè)隨機(jī)數(shù)，若該隨機(jī)數(shù)小于該蜜源被選擇的概率pi，則該蜜源將被選中。蜜源被選擇的概率計(jì)算如下：

4）全局更新原則

按照上述步驟進(jìn)行解空間的搜尋，當(dāng)一處蜜源位置在進(jìn)行ε次領(lǐng)域搜尋后，其位置仍未得到更新，則舍棄該蜜源，引領(lǐng)蜂轉(zhuǎn)變?yōu)閭刹榉洹刹榉涓鶕?jù)式（1）隨機(jī)生成新的蜜源位置，重新轉(zhuǎn)變?yōu)橐I(lǐng)蜂，繼續(xù)按照上述步驟依次循環(huán)執(zhí)行，直至滿足迭代終止條件為止。

1.2 算法改進(jìn)

針對傳統(tǒng)算法存在收斂速度慢、容易陷入早熟的缺點(diǎn)[13]，該文提出了一種改進(jìn)的蜂群（Improved Artificial Bee Colony，IABC）算法，具體的改進(jìn)方法如下：

1）改進(jìn)的領(lǐng)域搜尋方法

在傳統(tǒng)的ABC 算法中，蜂群在進(jìn)行領(lǐng)域搜尋時(shí)，根據(jù)隨機(jī)選取的蜜源位置及[0,1]范圍內(nèi)隨機(jī)控制參數(shù)進(jìn)行搜尋。該種方式具有較大的盲目性，且大幅降低了算法的收斂速度。因此該文提出一種改進(jìn)的領(lǐng)域搜尋方法，引入最佳蜜源位置與等距控制參數(shù)，整體提高算法的收斂速度。

Xbest=[xbest,1,xbest,2,…,xbest,j,…,xbest,D]為當(dāng)前最優(yōu)蜜源，對于蜜源位置Xi，根據(jù)改進(jìn)領(lǐng)域搜尋方法，生成位置Vi=[vi1,vi2,…,vij,…,viD]和Ui=[ui1,ui2,…,uij,…,uiD]，然后從Xi、Vi和Ui中選擇最優(yōu)蜜源進(jìn)行Xi的更新如下：

式（6）中，β為等距控制參數(shù)，其計(jì)算法方式如下：

式中，g為當(dāng)前迭代次數(shù)。

2）改進(jìn)的蜜源選取方法

傳統(tǒng)ABC 算法中，跟隨蜂采用輪盤賭原則來選取蜜源，這意味著蜜源適應(yīng)度值越高，其被選取的概率也越高。進(jìn)而也會(huì)使蜂群陷入適應(yīng)度值較高的局部最優(yōu)解，并導(dǎo)致算法過于早熟。因此，該文提出了一種改進(jìn)的并行蜜源選取方法：在按照式（4）選取蜜源Xi的同時(shí)，按式（8）所得到的概率pj來選取另一個(gè)蜜源Xj，跟隨蜂再根據(jù)Xi和Xj并行進(jìn)行領(lǐng)域搜尋，pj計(jì)算如下：

3）改進(jìn)的全局更新方法

傳統(tǒng)ABC 算法通過全局更新原則，實(shí)現(xiàn)了在解空間范圍內(nèi)的隨機(jī)搜尋，但這種方法大幅降低了搜尋效率。文提出了一種基于花香濃度的全局更新方法：即在偵查蜂生成蜜源位置時(shí)，搜尋的方向并非隨機(jī)，而是按照解空間不同維度的花香濃度有所側(cè)重地選擇搜尋方向。改進(jìn)的全局更新方法如下：

式（9）中，γj為第j維解空間的搜尋權(quán)重，其計(jì)算方法為：

式（10）中，qj為第j維解空間的花香濃度。

2 核電巡檢機(jī)器人路徑規(guī)劃

2.1 核電站巡檢環(huán)境建模

該文采用柵格法對核電站巡檢環(huán)境進(jìn)行建模[14]，根據(jù)巡檢機(jī)器人的行進(jìn)步長l，將巡檢范圍劃分為柵格，X軸和Y軸的柵格數(shù)分別為：

JEV P3株C基因的PCR擴(kuò)增產(chǎn)物經(jīng)瓊脂糖凝膠電泳檢測的結(jié)果如圖1，C基因大小約381 bp，與理論大小相符。

式中，lx,max和ly,max分別為X軸與Y軸方向機(jī)器人巡檢范圍的最大距離。

如圖1 所示，將劃分后的柵格進(jìn)行編號(hào)，使該編號(hào)與柵格位置坐標(biāo)形成逐一對應(yīng)關(guān)系，則柵格編號(hào)h與其坐標(biāo)的對應(yīng)關(guān)系為：

圖1 基于柵格法的巡檢環(huán)境

其中，mod(·)和int(·)分別為求余及取整函數(shù)。

2.2 機(jī)器人路徑優(yōu)化模型

核電站巡檢機(jī)器人路徑規(guī)劃問題為：按照一定的評價(jià)標(biāo)準(zhǔn)為機(jī)器人搜尋從起始節(jié)點(diǎn)到目的節(jié)點(diǎn)的最優(yōu)路徑[15-16]。該文按照式（13）建立路徑優(yōu)化問題的目標(biāo)函數(shù)：

式（13）中，f為目標(biāo)函數(shù)值；L為路徑的總長度；P為與路徑到障礙物最短距離相關(guān)的懲罰值。

L的計(jì)算方式如下：

式中，(xi,yi)為路徑中的第i個(gè)節(jié)點(diǎn)，A為路徑中的節(jié)點(diǎn)總數(shù)。P的計(jì)算方式如下：

2.3 基于IABC的路徑優(yōu)化求解方法

基于所提IABC 算法的核電巡檢機(jī)器人路徑優(yōu)化求解流程如圖2 所示。

圖2 路徑優(yōu)化求解流程

3 算例分析

以某核電站的實(shí)際場景為基礎(chǔ)進(jìn)行仿真驗(yàn)證，將核電站巡檢范圍劃分為15×15 的柵格，應(yīng)用所提算法進(jìn)行巡檢機(jī)器人的路徑規(guī)劃。

3.1 算法性能對比分析

為驗(yàn)證該文所提算法與傳統(tǒng)算法的性能優(yōu)劣，將其應(yīng)用于該核電站巡檢機(jī)器人的路徑規(guī)劃。

基于ABC 算法的路徑規(guī)劃結(jié)果如圖3 所示，該路徑總長度為29.88（以單元格為單位），迭代次數(shù)為213 次。而基于IABC 算法的路徑規(guī)劃結(jié)果如圖4 所示，該路徑總長度為21.03，迭代次數(shù)為67 次。對比圖3 和圖4 可知，基于傳統(tǒng)ABC 算法的路徑規(guī)劃結(jié)果轉(zhuǎn)折點(diǎn)更多，路徑總長度也更長；而所提IABC 算法的路徑規(guī)劃結(jié)果轉(zhuǎn)折點(diǎn)較少，路徑長度也較短。

圖3 基于ABC算法的路徑規(guī)劃結(jié)果

圖4 基于IABC算法的路徑規(guī)劃結(jié)果

3.2 算法穩(wěn)定性對比

為進(jìn)一步驗(yàn)證所提算法的穩(wěn)定性，該文采用ABC 與IABC 算法分別進(jìn)行10 次計(jì)算，算法的各項(xiàng)指標(biāo)對比如表2 所示，其數(shù)值均以單元格為單位。

表2 算法的穩(wěn)定性對比

由表2 可知，相比于傳統(tǒng)ABC 算法，該文方法得到的路徑總長度更短、標(biāo)準(zhǔn)差更小、迭代次數(shù)也更少。因此，所提方法在收斂速度、穩(wěn)定性及全局尋優(yōu)能力方面均具有更出色的性能。

4 結(jié)束語

該文針對核電站巡檢機(jī)器人的路徑優(yōu)化問題，在傳統(tǒng)ABC 算法的基礎(chǔ)上，提出了一套相應(yīng)的改進(jìn)方案。通過仿真實(shí)驗(yàn)結(jié)果表明，該文算法不但規(guī)劃出的路徑短，而且標(biāo)準(zhǔn)差和計(jì)算開銷也較小。但該文方法僅適用于靜態(tài)巡檢機(jī)器人的路徑規(guī)劃，無法解決實(shí)際巡檢過程中應(yīng)對突發(fā)情況的實(shí)時(shí)路徑規(guī)劃問題，需在下一步的研究中展開。