复杂环境路径规划的改进蚁群算法

被引:21
作者
周之平
华路
机构
[1] 南昌航空大学信息工程学院
关键词
蚁群算法; 路径规划; 距离启发因子; 模拟退火; 信息素挥发系数;
D O I
10.16208/j.issn1000-7024.2011.05.057
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
为了克服传统蚁群算法在路径规划中容易出现早熟收敛、陷入局部最优、算法运行慢等缺点,提高算法在路径规划中的性能,提出了改进蚁群算法的距离启发因子、权值系数动态调整的方法,并且利用模拟退火算法的思想,改进蚁群算法的信息素挥发系数。该算法通过这种改进可以避免出现早熟收敛和陷入局部最优,且可以提高算法的运行速度。利用改进的蚁群算法进行路径规划仿真,仿真结果表明,该算法是一种有效的路径规划算法。
引用
收藏
页码:1773 / 1776
页数:4
相关论文
共 10 条
[1]   基于改进蚁群算法的移动机器人全局路径规划 [J].
乔茹 ;
章小兵 ;
赵光兴 .
安徽工业大学学报(自然科学版), 2009, 26 (01) :77-80
[2]   凹形障碍全局路径规划的双蚁群完全交叉算法 [J].
孙纯哲 ;
林巨广 ;
楼赣菲 ;
王淑旺 .
农业机械学报, 2008, (07) :149-153
[3]   基于模拟退火的蚁群算法求解Job-Shop问题 [J].
张晓婧 ;
高慧敏 .
计算机应用与软件, 2008, (05) :77-79
[4]   带精英策略和视觉探测蚁群算法的机器人路径规划 [J].
刘天孚 ;
程如意 .
计算机应用, 2008, (01) :92-93+96
[5]   一种自适应最大最小蚁群算法 [J].
苏畅 ;
徒君 .
模式识别与人工智能, 2007, 20 (05) :688-691
[6]   带有侦察子群的蚁群系统 [J].
许剑 ;
吕志民 ;
徐金梧 .
北京科技大学学报, 2006, (08) :794-798
[7]   基于蚁群算法的无人机航路规划 [J].
白俊强 ;
柳长安 .
飞行力学, 2005, (02) :35-38
[8]   基于改进蚁群算法的飞机低空突防航路规划附视频 [J].
叶文 ;
范洪达 .
飞行力学, 2004, (03) :35-38
[9]   复杂环境下基于蚁群优化算法的机器人路径规划 [J].
樊晓平 ;
罗熊 ;
易晟 ;
张航 ;
不详 .
控制与决策 , 2004, (02) :166-170
[10]  
蚁群优化.[M].(意)多里戈(Dorigo; M. ),(德)施蒂茨勒(Stutzle; T. )著.清华大学出版社.2007,