改进蚁群算法在移动机器人轨迹规划中的应用研究

发布时间：2022-02-10 17:07

　　针对蚁群算法在移动机器人路径规划时会出现收敛速度慢、全局搜索空间大、时间长、效率低、易陷入局部最优解和出现死锁现象等问题,提出了一种改进的蚁群算法.在静态已知环境的条件下利用栅格法建立模型,基于传统蚁群算法的基础上,采用精英选择的方法加快收敛速度、自适应改变挥发系数来使初始时刻的蚁群搜索能力加强、范围扩大,避免陷入局部最优解;针对U型障碍物,提出了丢弃陷入死锁中的蚂蚁.通过仿真结果可以得到改进后的蚁群算法能够快速地搜索到最优路径,与传统蚁群算法以及改进的蚁群算法相比较,具有良好的路径寻优的能力和避障性能. 

【文章来源】：赤峰学院学报(自然科学版). 2019,35(11)

【文章页数】：4 页

【部分图文】：

栅格法环境建模

?和U型障碍物2时，采取丢弃陷入死锁的蚂蚁.遇到U型障碍物时采取本文改进的蚁群算法可以有效地提高蚁群搜索效率以及寻优路径.3改进蚁群算法设计3.1蚁群算法改进传统蚁群算法具有鲁棒性强，易与其他算法相结合等优点，缺点是收敛速度慢，易陷于局部最优解，出现搜索停滞等.为了提高算法的有效性与实用性，本文主要针对蚂蚁在避障时找到最优路径以及在陷入U型障碍时遇到的问题所做出的处理方法.首先采用自适应调整挥发系数ρ，最后是通过动态改变信息素τij(t)，利用精英选择在每次循环结束图1栅格法环境建模图2U型障碍物1图3U型障碍物2104--

保?扇《??萑胨?锁的蚂蚁.遇到U型障碍物时采取本文改进的蚁群算法可以有效地提高蚁群搜索效率以及寻优路径.3改进蚁群算法设计3.1蚁群算法改进传统蚁群算法具有鲁棒性强，易与其他算法相结合等优点，缺点是收敛速度慢，易陷于局部最优解，出现搜索停滞等.为了提高算法的有效性与实用性，本文主要针对蚂蚁在避障时找到最优路径以及在陷入U型障碍时遇到的问题所做出的处理方法.首先采用自适应调整挥发系数ρ，最后是通过动态改变信息素τij(t)，利用精英选择在每次循环结束图1栅格法环境建模图2U型障碍物1图3U型障碍物2104--

【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人路径规划[J]. 侯欣蕾,于莲芝.  软件导刊. 2017(12)
[2]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)
[3]基于改进蚁群算法的移动机器人全局轨迹规划研究[J]. 屈正庚,杨川.  南京师大学报(自然科学版). 2015(01)
[4]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)
[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]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛.  现代机械. 2011(05)
[7]蚁群算法综述[J]. 吴庆洪,张颖,马宗民.  微计算机信息. 2011(03)
[8]移动机器人路径规划技术综述[J]. 朱大奇,颜明重.  控制与决策. 2010(07)
[9]蚁群算法及其改进形式综述[J]. 黄挚雄,张登科,黎群辉.  计算技术与自动化. 2006(03)



本文编号：3619207