改进蚁群算法在AGV路径规划中的应用

发布时间：2023-05-06 05:19

　　针对传统蚁群算法在路径规划时,易陷入局部最优、前期路径有效性差等问题,对传统蚁群算法进行改进并应用到AGV(Automated Guided Vehicle)路径规划上。采用栅格地图建立小车工作空间模型,利用改进的头尾搜索机制,提高并加快了算法的全局搜索能力和前期收敛速度;引入奖惩因子与信息素最大最小阈值,对每代最优路径上的信息素进行奖励,最差路径上的进行惩罚,提高全局搜索能力;引入遗传算法变异因子,使算法跳出局部最优能力加强;采用遗传算法对改进的蚁群算法进行参数优化,减少参数对算法的影响。在VS2017和MATLAB软件平台上进行算法仿真。结果表明了该算法在避免局部最优和加快收敛速度方面有很大改进。

【文章页数】：9 页

【文章目录】：
1 引言
2 环境建模
3 传统蚁群算法
4 改进蚁群算法
    4.1 双向搜索机制
    4.2 引入奖惩因子
    4.3 多指标路径规划
    4.4 遗传算法优化参数
    4.5 改进蚁群算法流程图
5 结果与分析
6 结语



本文编号：3809110