动态环境下改进蚁群算法的多Agent路径规划

发布时间：2022-12-03 23:44

　　针对动态环境下的多Agent路径规划问题,提出了一种改进的蚁群算法与烟花算法相结合的动态路径规划方法。通过自适应信息素强度值及信息素缩减因子来加快算法的迭代速度,并利用烟花算法来解决路径规划过程中的死锁问题,避免陷入局部最优。在多Agent动态避碰过程中,根据动态障碍物与多Agent之间的运行轨迹是否相交制定相应的避碰策略,并利用路径转变函数解决多Agent的正面碰撞问题。仿真实验表明,该方法优于经典蚁群算法,能够有效解决多Agent路径规划中的碰撞问题,从而快速找到最优无碰路径。 

【文章页数】：8 页

【文章目录】：
1 引言
2 相关知识
    2.1 蚁群算法原理
    2.2 蚁群算法的基本模型
        2.2.1 栅格间转移概率
        2.2.2 信息素更新规则
    2.3 烟花算法
3 改进蚁群算法
    3.1 信息素更新规则
        3.1.1 自适应信息素强度值
        3.1.2 信息素缩减因子
    3.2 解决死锁问题
    3.3 改进蚁群算法路径规划
4 避碰规划
    4.1 精确避障层
        4.1.1 侧面碰撞
        4.1.2 正面碰撞
    4.2 紧急避障层
    4.3 基于分层的避碰算法
5 实验仿真与分析
    5.1 仿真实验
        5.1.1 仿真实验1
        5.1.2 仿真实验2
    5.2 动态环境下多Agent之间避碰分析
6 结束语


【参考文献】：
期刊论文
[1]改进混沌烟花算法的多目标调度优化研究[J]. 包晓晓,叶春明,计磊,黄霞.  计算机应用研究. 2016(09)
[2]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星.  电子科技大学学报. 2015(02)
[3]基于改进蚁群算法与Morphin算法的机器人路径规划方法[J]. 万晓凤,胡伟,郑博嘉,方武义.  科技导报. 2015(03)
[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)



本文编号：3707206