基于改进蚁群算法的移动机器人路径规划

被引:25
作者
朱颢东
孙振
吴迪
申圳
机构
[1] 郑州轻工业学院计算机与通信工程学院
关键词
移动机器人; 蚁群算法; 路径规划;
D O I
暂无
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
针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。
引用
收藏
页码:849 / 855
页数:7
相关论文
共 12 条
[1]   基于改进混合蛙跳算法的移动机器人路径规划 [J].
潘桂彬 ;
潘丰 ;
刘国栋 .
计算机应用, 2014, 34 (10) :2850-2853+2885
[2]   改进蚁群算法在旅行商问题中的应用 [J].
李成兵 ;
郭瑞雪 ;
李敏 .
计算机应用, 2014, 34(S1) (S1) :131-132+165
[3]   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) :63-66
[4]   一种改进蚁群优化算法的仿真研究 [J].
张毅 ;
高永琪 ;
牛兴江 .
武汉理工大学学报(交通科学与工程版), 2013, 37 (06) :1330-1333
[5]   基于改进蚁群算法的移动机器人路径规划 [J].
张琦 ;
马家辰 ;
谢玮 ;
马立勇 .
东北大学学报(自然科学版), 2013, (11) :1521-1524
[6]   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
[7]   蚁群参数自适应调整的优化设计 [J].
刘道华 ;
熊炎 ;
李为华 ;
李湘英 .
计算机应用研究, 2011, 28 (03) :905-908
[8]   基于人工鱼群算法的机器人路径规划 [J].
聂黎明 ;
周永权 .
计算机工程与应用, 2008, (32) :48-50+63
[9]   基于蚁群算法的移动机器人路径规划研究与应用 [J].
孙纯哲 ;
桂贵生 ;
韩东 ;
张利 .
合肥工业大学学报(自然科学版), 2006, (10) :1208-1211
[10]   基于改进遗传算法的机器人路径规划 [J].
段俊花 ;
李孝安 .
微电子学与计算机, 2005, (01) :70-72+76