基于改进蚁群算法的移动机器人全局路径规划方法研究

被引：10

作者：

杨萍

赵珍

郑海霞

机构：

[1] 兰州理工大学机电工程学院

来源：

机械制造与自动化 | 2017年 / 46卷 / 06期

关键词：

移动机器人; 路径规划; 蚁群算法; 自适应; 改进算法;

D O I：

10.19344/j.cnki.issn1671-5276.2017.06.043

中图分类号：

TP18 [人工智能理论]; TP242 [机器人];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

摘要：

针对基本蚁群算法在移动机器人全局路径规划中收敛速度慢,易陷入局部最优解的问题,提出一种改进的蚁群算法。将A*算法的根据目标点自适应调整启发函数的思想应用于蚁群算法中,增加目标点对启发函数的影响;改进状态选择策略,增加解的多样性;混合使用多种信息素分配机制,提高算法的收敛速度。通过布置相同的路径搜索条件,在MATLAB语言环境下进行仿真分析,验证了改进的算法是可行有效的。

引用

页码：155 / 157+192 +192

页数：4

共 9 条

[1] 中国制造业发展与“中国制造2025”规划 [J].

郭朝先 ;

王宏霞 .

经济研究参考, 2015, (31) :3-13

[2] 基于势场蚁群算法的移动机器人全局路径规划方法 [J].

刘建华 ;

杨建国 ;

刘华平 ;

耿鹏 ;

高蒙 .

农业机械学报, 2015, 46 (09) :18-27

[3] 一种基于精英策略的改进蚁群算法及应用 [J].

张家善 ;

王志宏 ;

陈应显 .

计算机系统应用, 2012, 21 (10) :105-108+134

[4] 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, 39 (05) :1220-1224

[5] 一种遗传蚁群算法的机器人路径规划方法 [J].

何娟 ;

涂中英 ;

牛玉刚 .

计算机仿真, 2010, 27 (03) :170-174

[6]

工业4.0：中国的机遇与挑战.[N].何懿文;.计算机世界.2015,

[7]

移动机器人技术及其应用.[M].张毅; 编著.电子工业出版社.2007,

[8]

蚁群算法及其应用.[M].李士勇等; 编著.哈尔滨工业大学出版社.2004,

[9]

Robot Path Planning using An Ant Colony Optimization Approach:A Survey.[J].Alpa Reshamwala;Deepika P Vinchurkar.International Journal of Advanced Research in Artificial Intelligence.2013, 3

← 1 →