改进蚁群算法在移动机器人避障中的应用

发布时间：2021-08-20 15:10

　　在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。 

【文章来源】：南京航空航天大学学报. 2019,51(05)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 环境建模
2 基本蚁群算法
    2.1 凹型障碍问题描述
    2.2 基本蚁群算法数学模型及操作步骤
3 改进蚁群算法
4 改进算法流程
5 仿真实验及结果分析
6 结论


【参考文献】：
期刊论文
[1]基于改进遗传算法的机器人动态路径规划[J]. 王雷,李明,唐敦兵,蔡劲草.  南京航空航天大学学报. 2016(06)
[2]改进蚁群算法及其在机器人避障中的应用[J]. 裴振兵,陈雪波.  智能系统学报. 2015(01)
[3]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)
[4]求解FJSP的混合遗传—蚁群算法[J]. 董蓉,何卫平.  计算机集成制造系统. 2012(11)
[5]基于改进蚁群算法的移动机器人路径规划[J]. 潘杰,王雪松,程玉虎.  中国矿业大学学报. 2012(01)
[6]基于改进蚁群算法的机器人路径规划[J]. 牛治永,李炎,李晓岚.  自动化技术与应用. 2011(07)
[7]基于改进蚁群算法的移动机器人动态路径规划方法[J]. 柳长安,鄢小虎,刘春阳,吴华.  电子学报. 2011(05)

硕士论文
[1]移动机器人全局路径规划及轨迹跟踪研究[D]. 熊菡.武汉科技大学 2014
[2]基于蚁群算法的机器人路径规划研究[D]. 陈杰.南京理工大学 2009



本文编号：3353726