基于改进蚁群算法的盘点型机器人路径规划

发布时间：2021-12-25 10:10

　　针对盘点型机器人盘点物品过程中路径规划实时性和稳定性差的问题,以传统的蚁群算法为基础,提出了一种改进型的蚁群算法。改进型的蚁群算法包括三点优化:第一是提出了自适应的挥发系数设置方法,即算法前期设置较小的挥发系数,减小蚂蚁间互相吸引;算法后期,挥发系数设置较大,提高算法收敛速度。第二是对各个路径上的初始浓度做出调整,加大了起始点和终点连线附近的信息素浓度。这样能较大提高前期搜索的速度。第三是全局信息素更新时,按单次迭代出的路径长短,在较短路径上加强信息素浓度,在较长路径上削减信息素浓度。研究结果表明,当对传统算法做出这三点优化后,改进后的算法不仅路径规划收敛的速度更快,效率更高,而且寻得的路径也更优更稳定。经仿真实验验证,在类旅行商问题上,改进后的算法确实有更快的收敛速度,且能避免陷入局部最优解,而得到全局最优路线。 

【文章来源】：计算机技术与发展. 2019,29(07)

【文章页数】：4 页

【部分图文】：

改进的蚁群算法实现流程3仿真实验

基本蚁群算法规划出的路径

基本蚁群算法各代迭代的路径距离

【参考文献】：
期刊论文
[1]基于改进蚁群算法的输电线路路径自动选择[J]. 苏海锋,杨阔,梁志瑞.  电力自动化设备. 2018(01)
[2]基于改进蚁群算法的移动机器人路径规划研究[J]. 孙先成,尹志宏,林清霖,朱佳明,袁杰.  机械与电子. 2017(05)
[3]基于改进蚁群算法的移动机器人路径规划[J]. 俞烨,贺乃宝,高倩,姚灵灵.  物联网技术. 2017(03)
[4]一种未知环境下室内移动机器人路径规划新算法[J]. 吴登峰,梅志千,尹力伟,李向国.  机电工程. 2015(03)
[5]视觉导引AGV的路径跟踪控制研究[J]. 孟文俊,刘忠强.  控制工程. 2014(03)
[6]VC平台下机器人虚拟运动控制及3D运动仿真的有效实现方法[J]. 祁若龙,周维佳,刘金国,肖磊.  机器人. 2013(05)
[7]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)
[8]基于虚拟障碍物的移动机器人路径规划方法[J]. 叶炜垚,王春香,杨明,王冰.  机器人. 2011(03)
[9]基于信息素强度的改进蚁群算法[J]. 郑卫国,田其冲,张磊.  计算机仿真. 2010(07)
[10]动态环境下基于蚁群算法的实时路径规划方法[J]. 曾碧,杨宜民.  计算机应用研究. 2010(03)



本文编号：3552264