基于静电势场法改进的蚁群算法用于路径规划

发布时间：2021-06-05 16:50

　　本文针对移动机器人路径规划中,蚁群算法初始阶段搜索盲目性高;容易陷入局部极小值;容易陷入死锁,提出了一种改进的蚁群算法用于路径规划。将静电势场函数引入蚁群算法的启发函数中,增加初始搜索阶段的目的性;加入回退机制,使进入死锁的蚂蚁回退到上一个节点,并将回退之前的节点加入禁忌表,减少死锁情况;将信息素挥发因子动态调整,使初始阶段搜索能力增强而末尾阶段更快收敛。仿真结果表明改进后的算法在复杂环境下能得到更优的路径,收敛速度更快,证明了改进后蚁群算法的优越性。 

【文章来源】：电子技术与软件工程. 2020,(02)

【文章页数】：3 页

【部分图文】：

栅格法环境建模

肪兜牟慰技壑迪喽越系停?饫锒???改变信息素挥发因子的ρ，使其在蚁群算法早期有一个相对较大的值，降低蚁群算法前期的信息素对转移概率的影响，然而到后期有一个相对较小的值使信息素对转移概率的影响较大，加快收敛速度。（12）基于静电势场法的蚁群算法路径规划步骤如下：（1）初始化参数，用矩阵G表示已知的环境模型，确定起始点S和终点E，通过式（1）计算出障碍物的坐标。设定表示信息素和启发函数重要程度的参数α，β，种群数量为M，迭代次数上图1：栅格法环境建模图2：死锁示意图

modifiedantcolonyoptimisation[J].InternationalJournalofBio-InspiredComputation,2017,9(2):106-113.[4]BayatF,NajafiniaS,AliyariM.Mobilerobotspathplanning:Electrostaticpotentialfieldapproach[J].ExpertSystemswithApplications,2018,100:68-78.[5]恩格尔伯里特,A.P.).计算群体智能基础[M].清华大学出版社,2009.作者简介尤润川(1993-)，男，硕士研究生。主要研究方向为移动机器人路径规划。（a）基本蚁群算法收敛曲线（b）基本蚁群算法最短路径图（c）改进后的算法收敛曲线（d）改进后的算法最短路径图图3：改进前后的蚁群算法在障碍物较多的环境下仿真结果

【参考文献】：
期刊论文
[1]基于改进蚁群算法的机器人路径规划算法[J]. 刘学芳,曾国辉,刘瑾.  传感器与微系统. 2019(10)
[2]移动机器人的实时路径规划研究与仿真[J]. 乔慧芬,潘广贞,元琴.  计算机仿真. 2015(01)



本文编号：3212543