(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110630909.5 (22)申请日 2021.06.07 (71)申请人 沈阳航空航天大 学 地址 110136 辽宁省沈阳市道义经济开发 区道义南大街37号 (72)发明人 胡光元　毕静　刘启文　刘鲲　 谢劲　张安珍　 (74)专利代理 机构 沈阳维特专利商标事务所 (普通合伙) 21229 专利代理师 陈福昌 (51)Int.Cl. G06N 3/00(2006.01) G06F 30/27(2020.01) G06Q 10/04(2012.01) (54)发明名称 基于改进 粒子群、 人工 鱼群算法混合式泊车 路径规划方法 (57)摘要 本申请提供了基于改进 粒子群、 人工 鱼群算 法混合式泊车路径规划方法， 包括： 根据泊车区 域实际环境， 建立泊车环境模型， 以及对所述泊 车环境模型内路段节点进行编号， 获得粒子群， 针对所述粒子群的惯性权重， 学习因子以及适应 度函数进行算法改进， 根据改进后的粒子群算法 在所述泊车环 境模型中搜索最优泊车点， 以及将 所述最优泊车点组成最优泊车点集合T， 将所述 粒子群惯 性权重引入人工鱼群， 得到改进后的人 工鱼群算法， 将所述改进后的粒子群以及人工鱼 群算法进行混合， 得到混合算法， 根据所述混合 算法规划出最优泊车路径， 以解决由单一算法的 局限性导致泊车路径规划不 准确不便捷的问题。 权利要求书2页 说明书8页 附图2页 CN 114648085 A 2022.06.21 CN 114648085 A 1.基于改进粒子群、 人工鱼群算法混合式泊车路径规划方法， 其特 征在于， 包括： 根据泊车区域实 际环境， 建立泊车环境模型， 以及对所述泊车环境模型内路段节点进 行编号， 获得 粒子群； 针对所述粒子群的惯性权 重， 学习因子以及适应度函数进行算法改进； 根据改进后的粒子群算法在所述泊车环境模型中搜索最优泊车点， 以及将所述最优泊 车点组成最优泊车点 集合T； 将所述粒子群惯性权 重引入人工鱼群， 得到改进后的人工鱼群算法； 将所述改进后的粒子群以及人工鱼群算法进行混合， 得到混合 算法； 根据所述混合 算法规划出最优泊车路径。 2.根据权利要求1所述的方法， 其特 征在于， 包括： 所述惯性权 重改进公式为： 其中， Wmin为惯性权重的最小值； Wmax为惯性权重的最大值； Wce为W的可变最大值， 是Wmax 和Wmin的差值； Wr为惯性权重初始值； gi为当前迭代次数； gmin为最小迭代次数； gmax为最大迭 代次数； W会随着粒子当前迭代次数gi变化而变化， 前期惯性权重W由小增大， 后期由大减 小， W需保持在Wmax与Wmin之间， W在上升阶段中增大到大于Wmax， 则W等于Wmax。 3.根据权利要求1所述的方法， 其特征在于， 采用动态调整方法对所述学习因子进行改 进， 改进公式为： 其中， C1， C2分别表示个体学习因子和社会学习因子， Cr1， Cr2分别表示个体学习因子以 及社会学习因子的初始值， gi1， gi2表示粒子当前的迭代次数， gmax1， gmax2表示粒子的最大迭 代次数， Cmax1， Cmax2表示粒子学习因子的终值。 4.根据权利要求1所述的方法， 其特 征在于， 所述 适应度函数的改进步骤为：权　利　要　求　书 1/2 页 2 CN 114648085 A 2获取初始适应度函数： 获取道路拥挤系数δ， 路径实际总长度s， 受道路质量影响后的路径带权总长度S， 以及 泊车数量影响系数θ； 结合所述初始适应度函数获得改进后的适应度函数为： 其中， f(x.y)函数为车主到泊车点所行使的距离， Dij表示车主从当前位置行驶到泊车 区域入口的路径中结点i(xi,yi)与结点j(xj,yj)之间的距离， dij表示泊车区域内部路径中 结点i(xi,yi)与结点j(xj,yj)之间的距离 。 5.根据权利要求1所述的方法， 其特 征在于， 对所述人工鱼群算法进行改进的公式为： Visualnext＝Visuali*W 其中， W为粒子群惯性权重， Visualnext表示人工鱼群迭代时下一次鱼群视野范围， Visuali表示当前鱼群视野范围。权　利　要　求　书 2/2 页 3 CN 114648085 A 3