自适应蚁群算法的移动机器人路径规划

发布时间：2021-04-10 19:03

　　针对传统蚁群算法在路径规划中存在收敛速度和寻优能力不平衡,算法易陷入局部最优等问题,提出一种自适应改进蚁群算法。为了提高算法收敛速度,在栅格环境下,根据最优路径的特点以及实际环境地图的基本参数,对初始信息素进行差异化分配;为了提高蚂蚁搜索效率,在状态转移概率中引入转角启发信息并对路径启发信息进行改进;重新制定信息素更新策略,设定迭代阈值,调整信息素挥发系数和信息素浓度,使算法在迭代后期依然具有较强的搜索最优解能力;采用分段三阶贝塞尔曲线对最优路径进行平滑处理以满足机器人实际运动要求。通过实验仿真与其他算法进行对比分析,验证了改进算法的可行性、有效性和优越性。 

【文章来源】：计算机工程与应用. 2019,55(17)北大核心CSCD

【文章页数】：9 页

【部分图文】：

栅格坐标与编号关系

??路径折线分段采用贝塞尔曲线平滑处理，然后再拼接起来，拼接处应该满足连续性，前一点与后一点在拼接处的曲率相等[27]。任意点处的曲率为：K(T)=x'(T)B'(T)-B'(T)x''(T)(x'2(T)+B'2(T))32（17）4.5改进蚁群算法执行步骤步骤1基本参数初始化，建立栅格地图，初始化参数：信息素浓度因子α，启发信息强度因子β，转角权重因子δ，信息素初始强度值Q，信息素挥发系数ρ，需要更新信息素的蚂蚁比例μ，最大迭代次数Kmax，蚂蚁45°135°90°0°图2路径转折角度背P1P0P2P3图3Bezier平滑曲线38

再拼接起来，拼接处应该满足连续性，前一点与后一点在拼接处的曲率相等[27]。任意点处的曲率为：K(T)=x'(T)B'(T)-B'(T)x''(T)(x'2(T)+B'2(T))32（17）4.5改进蚁群算法执行步骤步骤1基本参数初始化，建立栅格地图，初始化参数：信息素浓度因子α，启发信息强度因子β，转角权重因子δ，信息素初始强度值Q，信息素挥发系数ρ，需要更新信息素的蚂蚁比例μ，最大迭代次数Kmax，蚂蚁45°135°90°0°图2路径转折角度背P1P0P2P3图3Bezier平滑曲线38

【参考文献】：
期刊论文
[1]未知环境下的蚁群-聚类自适应动态路径规划[J]. 刘新宇,谭力铭,杨春曦,翟持.  计算机科学与探索. 2019(05)
[2]基于改进势场蚁群算法的移动机器人最优路径规划[J]. 张强,陈兵奎,刘小雍,刘晓宇,杨航.  农业机械学报. 2019(05)
[3]基于人工势场法的移动机器人动态路径规划[J]. 张希闻,肖本贤.  山东农业大学学报(自然科学版). 2018(06)
[4]萤火虫算法结合人工势场法的机器人路径规划[J]. 李丽娜,郭永强,张晓东,卢媛,徐攀峰.  计算机工程与应用. 2018(20)
[5]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟.  机器人. 2018(06)
[6]基于三阶贝塞尔曲线的AGV轨迹规划研究[J]. 刘学问,陶钧,徐海巍.  工业控制计算机. 2018(01)
[7]改进A*算法的移动机器人最短路径规划[J]. 王维,裴东,冯璋.  计算机应用. 2018(05)
[8]基于改进势场蚁群算法的机器人路径规划[J]. 王晓燕,杨乐,张宇,孟帅.  控制与决策. 2018(10)
[9]基于动态反馈A*蚁群算法的平滑路径规划方法[J]. 黄辰,费继友,刘洋,李花,刘晓东.  农业机械学报. 2017(04)
[10]基于改进遗传算法的自动导引小车路径规划及其实现平台[J]. 刘二辉,姚锡凡.  计算机集成制造系统. 2017(03)

硕士论文
[1]轮式移动机器人路径规划研究[D]. 徐梁.西南交通大学 2018



本文编号：3130174