基于改进蚁群算法的仓储物流机器人路径规划

发布时间：2021-05-21 03:08

　　仓储物流机器人路径规划问题是智能仓储运作的关键问题,解决该问题的经典算法之一是蚁群算法.针对基本蚁群算法收敛速度慢、算法不稳定等问题,提出一种改进蚁群算法.算法增加启发函数的重要性,对转移规律采用确定性选择和随机选择相结合的方式,信息素更新规则根据迭代次数进行动态适应性改变,得到路径规划结果后,再进行平滑处理.仿真实验结果表明:改进蚁群算法有效缩短仓储物流机器人路径长度,且更为稳定,有较强适应性. 

【文章来源】：武汉理工大学学报(交通科学与工程版). 2020,44(04)

【文章页数】：7 页

【文章目录】：
0 引 言
1 环境描述
2 基本蚁群算法
    2.1 启发函数
    2.2 信息素浓度
    2.3 转移概率
3 改进蚁群算法
    3.1 转移概率
    3.2 信息素更新规则
    3.3 目标函数
    3.4 路径平滑
    3.5 改进蚁群算法步骤
4 仿真实验
    4.1 2020环境下算法比较
    4.2 30×30环境下算法比较
    4.3 障碍复杂程度不同的环境
5 结 束 语


【参考文献】：
期刊论文
[1]仓储物流机器人集群避障及协同路径规划方法[J]. 陈明智,钱同惠,张仕臻,王嘉前.  现代电子技术. 2019(22)
[2]改进蚁群算法在移动机器人避障中的应用[J]. 王雷,石鑫.  南京航空航天大学学报. 2019(05)
[3]改进蚁群算法用于移动机器人路径规划时的研究[J]. 杜磊,史健芳.  太原理工大学学报. 2019(04)
[4]自适应蚁群算法的移动机器人路径规划[J]. 封声飞,雷琦,吴文烈,宋豫川.  计算机工程与应用. 2019(17)
[5]基于改进蚁群算法的移动机器人平滑路径规划[J]. 孙瑞,张文胜.  图学学报. 2019(02)
[6]智能仓库中的多机器人协同路径规划方法[J]. 张丹露,孙小勇,傅顺,郑彬.  计算机集成制造系统. 2018(02)
[7]快件分拣机器人群的路径规划及智能调度[J]. 杨友良,胡少辉,赵丽宏.  华北理工大学学报(自然科学版). 2018(01)
[8]改进自适应遗传算法在移动机器人路径规划中的应用[J]. 王雷,李明.  南京理工大学学报. 2017(05)
[9]仓储物流机器人集群的智能调度和路径规划[J]. 沈博闻,于宁波,刘景泰.  智能系统学报. 2014(06)
[10]基于改进蚁群算法的机器人路径规划研究[J]. 万晓凤,胡伟,方武义,郑博嘉.  计算机工程与应用. 2014(18)



本文编号：3198930