基于改进蚁群算法的机器人路径规划方法

大家好，欢迎来到IT知识分享网。

作者：

王星宇1，胡燕海1，徐坚磊2，陈海辉2

作者单位：

1.宁波大学机械工程与力学学院，浙江宁波；

2.宁波航工智能装备有限公司，浙江宁波。

摘要：

根据传统蚁群算法在机器人的路线规划中具有收敛速度慢、容易陷入局部最优解的缺陷，提供了一个经过改进的蚁群算法。使用栅格法建立路径矩阵，建立一种转角启发函数，增加选择指定路径的概率，提高算法的搜索速度；将A*算法与改进蚁群算法结合，提出一种改进的距离启发函数，避免了陷入局部最优解；并提出一种可根据迭代次数而改变的信息素挥发因子，增强了全域搜寻能力。根据相关数据分析，与Ant Colony Algorithm with Multiple Inspired Factor（ACAM）算法相比，改进的蚁群算法对于解决算法收敛速度慢、防止进入局部最优解等方面效果更好。

引言：

近年来,由于世界科学技术的蓬勃发展,
机器人
也逐渐走入中国大众的视野。路径规划是机器人控制中一个无法避免的问题。迄今为止，在机器人的路径规划问题上,已经有不少前辈做过难以计量的研究。常规的路径算法有Dijstr
a算法
^[1]、A*算法^[2]、人工势场法^[3]等。随着机器人科技的蓬勃发展,传统的算法很难满足当前路径规划的需求,于是智能的仿生算法应运而生，如遗传算法^[4]、粒子群算法^[5]、蝙蝠算法^[6]、蚁群算法^[7]等。

蚁群算法可以利用全局搜索找到更优解,并具有很强的并行性,个体间也能够相互传递信息,并可以迅速收敛到解空间的某一子集,从而促进了对解空间的深入研究^[8]。传统的蚁群算法由于其本身的原因，存在收敛速度不足、无法合理避开局部最优解的问题^[9]。

文章来源：《电子技术应用》杂志1月刊

，下载论文PDF

☞商务合作：☏ 请致电 010- / ✐ 或致件

点

免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/181954.html

基于改进蚁群算法的机器人路径规划方法

相关推荐

发表回复