改进蚁群算法的机器人路径规划研究

发布时间：2021-10-20 06:23

　　针对基本蚁群算法收敛速度慢,易陷入局部最优解等问题,提出一种静态障碍环境下的改进蚁群算法。利用A^*算法来设定信息素初始值,提高算法初始阶段搜索效率;采用新的信息素更新规则,并且动态调整启发函数和信息素挥发速率,加快算法的收敛速度,扩大搜索空间。仿真实验表明,与其他算法在相同情况下比较,改进算法在路径相同的情况下拥有较快的收敛速度以及较高的稳定性,且在不同复杂度的环境中均能得到最优路径,验证了其有效性和可靠性。 

【文章来源】：计算机应用与软件. 2021,38(05)北大核心

【文章页数】：7 页

【部分图文】：

改进A*搜索范围

栅格法环境模型

首先记录下栅格图的障碍物的边界点，障碍物的边界点就是障碍物的起始点或者终止点(由起始点、方向向量、障碍物长度共同得到),如果是两障碍物相交，那么障碍物交点不会被当作是边界点，如图2所示。图2中A、B为障碍物边界点，O为起始点，C为目标点)。然后需要计算OA+AC和OB+BC的绕行距离。假设此时选择从B点绕行，那么就将目标点临时改为B点，先规划出从O到B的路径，再将B点作为起始点，C点作为终点重复之前步骤。仿真对比结果如图3、图4所示。

【参考文献】：
期刊论文
[1]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)
[2]基于改进蚁群算法的机器人路径规划问题研究[J]. 朱艳,游晓明,刘升,袁汪凰.  计算机工程与应用. 2018(19)
[3]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)
[4]基于改进蚁群算法的移动机器人路径规划[J]. 朱颢东,孙振,吴迪,申圳.  重庆邮电大学学报(自然科学版). 2016(06)
[5]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)
[6]基于改进A*算法的室内移动机器人路径规划[J]. 王殿君.  清华大学学报(自然科学版). 2012(08)
[7]蚁群参数自适应调整的优化设计[J]. 刘道华,熊炎,李为华,李湘英.  计算机应用研究. 2011(03)



本文编号：3446411