本发明涉及机器人路径规划，尤其涉及一种移动机器人路径规划方法、装置、设备及介质。
背景技术：
1、移动机器人是机器人领域的一个重要分支，在无人机避障、自动驾驶、机器人搜救等各个领域都显示出了广泛的应用前景。路径规划是实现移动机器人自主导航的关键技术之一，路径规划是指移动机器人在已知障碍物环境中，根据规划目标（如路径最短，用时最短等）找到一条从起始位置到目标位置的无碰撞的最优路径。
2、蜣螂优化算法(dungbeetle optimizer, dbo)是一种新颖的群智能优化算法，该算法模拟了蜣螂的五种自然行为，分别是：滚球、跳舞、觅食、偷窃和繁殖，相比于其他群智能优化算法，蜣螂优化算法在迭代过程中能够兼顾全局探索和局部开发，同时具有求解精度高的优点。
3、但是，蜣螂优化算法是依靠随机初始化方法生成初始种群，容易造成初始种群适应度值参差不齐，有较大概率获得低质量个体；其次，滚球策略仅基于前一时刻的位置和全局最坏位置进行位置更新，这可能会使得蜣螂的运动随机性过大，在搜索过程中缺乏明显的方向性引导，从而降低搜索效率；最后在迭代后期，蜣螂个体大多集中在全局最优位置和局部最优位置附近，会使蜣螂种群的位置信息相似度过高，从而陷入局部最优解。
技术实现思路
1、有鉴于此，有必要提供一种移动机器人路径规划方法、装置、设备及介质，用以解决采用蜣螂优化算法对机器人路径进行规划时初始种群适应度值参差不齐、搜索效率降低以及陷入局部最优解的技术问题。
2、为了解决上述问题，本发明提供一种移动机器人路径规划方法，包括：
3、获取机器人栅格地图中起始点、目标点、采样点以及障碍物的位置；
4、基于所述起始点、目标点、采样点以及障碍物的位置，采用多因素导向策略初始化蜣螂种群的位置信息，生成蜣螂的初始路径，并计算出所述蜣螂的适应度值，基于所述适应度值，确定所述蜣螂的全局最优以及最差位置；
5、构建基于精细调整策略的蜣螂优化算法，基于所述蜣螂的全局最优以及最差位置和所述蜣螂优化算法对所述机器人进行路径规划，获得最短路径。
6、在一种可能的实现方式中，所述基于所述起始点、目标点、采样点以及障碍物的位置，采用多因素导向策略初始化蜣螂种群的位置信息，生成蜣螂的初始路径，包括：
7、步骤1、初始化路径节点列表；
8、步骤2、获取蜣螂的当前节点，基于所述起始点、目标点、采样点以及障碍物的位置，采用多因素导向策略计算出目标点和障碍物对当前节点周围采样点的影响程度，跳转至步骤3，其中，目标点和障碍物对当前节点周围采样点的影响程度包括采样点受障碍物影响、采样点受目标点影响、采样点受障碍物和目标点综合影响；
9、步骤3、基于所述目标点和障碍物对当前节点周围采样点的影响程度选择下一节点，将选定的下一节点更新为当前节点，并将更新后的所述当前节点添加至所述路径节点列表中，跳转至步骤4，其中，影响程度较大的采样点具有更高的选择概率，影响程度较小的采样点具有较低的选择概率；
10、步骤4、判断更新后的所述当前节点是否为目标点，当更新后的所述当前节点为目标点时，跳转至步骤5，当更新后的所述当前节点不为目标点时，跳转至步骤2；
11、步骤5、判断蜣螂种群中个体蜣螂是否都完成初始化，当所述蜣螂种群中个体蜣螂都完成初始化时，生成所述蜣螂的初始路径，当所述蜣螂种群中的部分个体蜣螂未完成初始化时，确定未完成初始化的个体蜣螂的当前节点，跳转至步骤2，直至所述个体蜣螂完成初始化，生成所述蜣螂的初始路径。
12、在一种可能的实现方式中，所述采样点受障碍物影响的计算式为：
13、，
14、，
15、，
16、其中，为障碍物对采样点的影响程度，为障碍物指向当前节点的影响，为机器人指向目标点的障碍物影响，为障碍物与当前节点之间的欧氏距离，为障碍物对当前节点的最大影响距离，为调节系数，为目标点与当前节点之间的欧氏距离，为障碍物影响系数；
17、所述采样点受目标点影响的计算式为：
18、，
19、其中，为目标点对采样点的影响程度，为目标点影响系数，为目标点与当前节点之间的欧氏距离；
20、所述采样点受障碍物和目标点综合影响的计算式为：
21、，
22、其中，为目标点和障碍物的综合影响程度，为目标点的影响程度，为障碍物的影响程度，为障碍物影响范围内障碍物的总数。
23、在一种可能的实现方式中，所述计算出所述蜣螂的适应度值，包括：
24、获取所述蜣螂的初始路径中节点的位置坐标，基于所述节点的位置坐标确定相邻节点之间的欧氏距离，基于所述相邻节点之间的欧氏距离确定所述初始路径的长度，其中，所述初始路径的长度为蜣螂的适应度值。
25、在一种可能的实现方式中，所述蜣螂优化算法包括改进的滚球策略、繁殖策略、觅食策略和偷窃策略；所述基于所述蜣螂的全局最优以及最差位置和所述蜣螂优化算法对所述机器人进行路径规划，获得最短路径，包括：
26、对所述蜣螂种群进行分组，获得滚球蜣螂、繁殖蜣螂、觅食蜣螂和偷窃蜣螂；
27、基于所述蜣螂的全局最优以及最差位置，采用所述改进的滚球策略对所述滚球蜣螂进行位置更新，获得所述滚球蜣螂的路径，并计算出所述滚球蜣螂的适应度值，基于所述滚球蜣螂的适应度值确定所述蜣螂种群的局部最优位置；
28、基于所述局部最优位置，采用繁殖策略对所述繁殖蜣螂进行位置更新，获得繁殖蜣螂的路径，并计算出所述繁殖蜣螂的适应度值；
29、基于所述蜣螂的全局最优位置，采用觅食策略对所述觅食蜣螂进行位置更新，获得觅食蜣螂的路径，并计算出所述觅食蜣螂的适应度值；
30、基于所述蜣螂的全局最优位置以及局部最优位置，采用偷窃策略对所述偷窃蜣螂进行位置更新，获得所述偷窃蜣螂的路径，并计算出所述偷窃蜣螂的适应度值；
31、基于所述滚球蜣螂的适应度值、繁殖蜣螂的适应度值、觅食蜣螂的适应度值以及偷窃蜣螂的适应度值获得蜣螂种群的平均适应度值以及个体蜣螂的适应度值；
32、将所述个体蜣螂的适应度值与所述蜣螂种群的平均适应度值进行比较，当所述蜣螂种群的平均适应度值优于所述个体蜣螂的适应度值时，确定所述个体蜣螂的路径，采用精细调整策略对所述个体蜣螂的路径进行微调后，对所述个体蜣螂的路径进行更新，获得更新后的个体蜣螂的路径；
33、基于所述滚球蜣螂、繁殖蜣螂、觅食蜣螂、偷窃蜣螂以及所述更新后的个体蜣螂的路径确定蜣螂种群的全局最优位置以及全局最差位置；
34、基于所述全局最优位置以及全局最差位置，采用所述蜣螂优化算法进行迭代寻优，直至达到最大迭代次数，停止迭代，获得最终的全局最优位置，其中，所述最终的全局最优位置为机器人的最短路径。
35、在一种可能的实现方式中，所述改进的滚球策略的计算式为：
36、，
37、其中，为滚球蜣螂中第个蜣螂在代的新位置，为第个蜣螂在代的位置，为第个蜣螂在代的旧位置，为全局最差位置，全局最优位置，、、为0到1之间均匀分布的随机数，为蜣螂执行滚球行为，为判断蜣螂是否偏离原方向的自然系数，为缺陷系数，为0到1之间的常数。
38、在一种可能的实现方式中，所述精细调整策略的计算式为：
39、，
40、其中，为滚球蜣螂中第个蜣螂在代的新位置，为第个蜣螂在代的位置，为上均匀分布的随机数，为微调幅度，为进行微调的概率。
41、另一方面，本发明还提供一种移动机器人路径规划装置，包括：
42、机器人栅格地图模块，用于获取机器人栅格地图中起始点、目标点、采样点以及障碍物的位置；
43、初始路径获得模块，用于基于所述起始点、目标点、采样点以及障碍物的位置，采用多因素导向策略初始化蜣螂种群的位置信息，生成蜣螂的初始路径，并计算出所述蜣螂的适应度值，基于所述适应度值，确定所述蜣螂的全局最优以及最差位置；
44、机器人路径规划模块，用于构建基于精细调整策略的蜣螂优化算法，基于所述蜣螂的全局最优以及最差位置和所述蜣螂优化算法对所述机器人进行路径规划，获得最短路径。
45、另一方面，本发明还提供一种电子设备，包括：处理器和存储器；
46、所述存储器上存储有可被所述处理器执行的计算机可读程序；
47、所述处理器执行所述计算机可读程序时实现如上所述的移动机器人路径规划方法中的步骤。
48、另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的移动机器人路径规划方法中的步骤。
49、本发明的有益效果是：采用多因素导向策略初始化蜣螂种群，获得初始路径，在避开障碍物的同时使目标点对蜣螂的寻优做出引导作用，降低搜索的盲目性，提高了初代蜣螂的适应度值，基于蜣螂的全局最优以及最差位置和基于精细调整策略的蜣螂优化算法对机器人进行路径规划，通过改进的蜣螂优化算法对滚球策略进行改进，在滚球策略中，引入蜣螂的全局最优位置，使蜣螂同时受到全局最优位置和全局最差位置的影响，在搜索过程中进行方向性引导，加强全局搜索的能力，提高了搜索效率，通过精细调整策略进行微调优化，避免了蜣螂在搜索过程中过早停止，陷入局部最优，通过改进的蜣螂优化算法进行路径规划，获得更短路径的同时提高了路径求解的效率和稳定性。
1.一种移动机器人路径规划方法，其特征在于，包括：
2.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述基于所述起始点、目标点、采样点以及障碍物的位置，采用多因素导向策略初始化蜣螂种群的位置信息，生成蜣螂的初始路径，包括：
3.根据权利要求2所述的移动机器人路径规划方法，其特征在于，所述采样点受障碍物影响的计算式为：
4.根据权利要求2所述的移动机器人路径规划方法，其特征在于，所述计算出所述蜣螂的适应度值，包括：
5.根据权利要求4所述的移动机器人路径规划方法，其特征在于，所述蜣螂优化算法包括改进的滚球策略、繁殖策略、觅食策略和偷窃策略；所述基于所述蜣螂的全局最优以及最差位置和所述蜣螂优化算法对所述机器人进行路径规划，获得最短路径，包括：
6.根据权利要求5所述的移动机器人路径规划方法，其特征在于，所述改进的滚球策略的计算式为：
7.根据权利要求5所述的移动机器人路径规划方法，其特征在于，所述精细调整策略的计算式为：
8.一种移动机器人路径规划装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的移动机器人路径规划方法中的步骤。
