基于改进蚁群算法的机器人路径规划方法
2023年电子技术应用第1期
王星宇1，胡燕海1，徐坚磊2，陈海辉2
1.宁波大学 机械工程与力学学院，浙江 宁波 315211；2.宁波航工智能装备有限公司，浙江 宁波 315311
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。
中图分类号：TP301.6
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.222741
中文引用格式：王星宇，胡燕海，徐坚磊，等. 基于改进蚁群算法的机器人路径规划方法[J]. 电子技术应用，2023，49(1)：75-80.
英文引用格式：Wang Xingyu，Hu Yanhai，Xu Jianlei，et al. Robot path planning method based on improved ant colony algorithm[J]. Application of Electronic Technique，2023，49(1)：75-80.
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.222741
中文引用格式：王星宇，胡燕海，徐坚磊，等. 基于改进蚁群算法的机器人路径规划方法[J]. 电子技术应用，2023，49(1)：75-80.
英文引用格式：Wang Xingyu，Hu Yanhai，Xu Jianlei，et al. Robot path planning method based on improved ant colony algorithm[J]. Application of Electronic Technique，2023，49(1)：75-80.
Robot path planning method based on improved ant colony algorithm
Wang Xingyu1，Hu Yanhai1，Xu Jianlei2，Chen Haihui2
1.School of Mechanical Engineering and Mechanics， Ningbo University， Ningbo 315211，China； 2.Ningbo Hanggong Intelligent Equipment Co.， Ltd.， Ningbo 315311，China
Abstract：An improved ant colony algorithm is provided according to the disadvantage of slow convergence and easy to fall into local optimal solution of traditional ant colony algorithm in robot route planning. The raster method is used to build the path matrix, and a corner heuristic function is established to increase the probability of selecting a specified path and improve the search speed of the algorithm. Combining A* algorithm with improved ant colony algorithm, an improved distance heuristic is proposed to avoid falling into local optimal solution. A pheromone volatile factor which can be changed according to the number of iterations was proposed to enhance the global search ability. Based on the related data analysis, the improved ant colony algorithm is better than Ant Colony Algorithm with Multiple Inspired Factor(ACAM )algorithm in resolving problems such as slow convergence rate and preventing entering local optimal solution.
Key words :improved ant colony algorithm；robot；Grid method；A* algorithm
0 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Dijstra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]。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005080。
作者信息：
王星宇1，胡燕海1，徐坚磊2，陈海辉2
（1.宁波大学 机械工程与力学学院，浙江 宁波 315211；2.宁波航工智能装备有限公司，浙江 宁波 315311）
此内容为AET网站原创，未经授权禁止转载。