基于改进蚁群算法的移动机器人动态路径规划方法.pdf

《基于改进蚁群算法的移动机器人动态路径规划方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第5期电子学报V01．39No．52011年5月ACTAELEcTR0NICASINICAMfdv2Ol1基于改进蚁群算法的移动机器人动态路径规划方法柳长安，鄢小虎，刘春阳，吴华(华北电力大学控制与计算机工程学院，北京102206)摘要：本文提出了基于改进蚁群算法的移动机器人动态路径规划方法．首先针对蚁群算法收敛速度慢，容易陷入局部最优的缺点，提出了根据目标点自适应调整启发函数，提高算法的收敛速度；借鉴狼群分配原则对信息素进行更新，避免搜索陷入局部最优．其次为了优化改进蚁群算法的性能，提出用粒子群算法对改进蚁群算法的重要参数进行优

2、化选择．最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验，实验结果证明了该方法的可行性和有效性．关键词：移动机器人；路径规划；改进蚁群算法中图分类号：TP24文献标识码：A文章编号：0372—2112(2011)05—1220—05DynamicPathPlanningforMobileRobotBasedonImprovedAntColonyOptimizationAlgorithmHUChang-an，YANXiao·hu，LIUChun-yang，WUHua(SchoolofControlandComput

3、erEngineering，NorthChinaElectricPowerUniversity，增102206，China)Abstract：ThedynamicpathplanningformobilerobotbasedOilimprovedantcolonyoptimizationalgorithmispresented．Firstly，toincreasetheconvergencespeed，theheuristicfunctionmodifiedadaptivelyaccordingtothetargetpointis

4、proposed．Toavoidthelocaloptimum，theruleupdatingthepheromonebasedontheassignmentruleofwolfcolonyisproposed．Secondly，to叩一timizetheperformanceoftheimprovedantcolony，theimportantparametersoftheimprovedantcolonyoptimizationalgorithmareoptimizedbytheparticleswarmoptimizatio

5、n．Finally，thedynamicpathplanningformobilerobotbasedonimprovedantcolonyop—fimizafionalgorithmisimplementedandthesimulationexperimentsarefinished．Fromtheresults，itCallseethatthedynamicpath~anningmethodisviableandeficient．Keywords：mobilerobot；pathplanning；improvedantcolo

6、nyoptimizationalgorithm行寻优．蚁群算法具有正反馈性、并行性及较强的鲁棒1引言性等优点，在解决机器人路径规划_6]、函数优化_8j等路径规划是移动机器人领域中一个重要的研究方问题方面都有成功的应用．针对蚁群算法收敛速度慢，向，它的目的是在具有障碍物的环境下寻找一条从起始容易陷入局部最优的缺点，国内外学者做了不少改进．点到目标点无碰撞的最优路径l1J．目前，各国学者对移T．Stutzle等人提出了一种最大最小蚂蚁系统算法_9J，以动机器人路径规划已经做了大量的研究工作，这其中包防止早熟收敛现象的发生．但当信息平

7、均的分布在各个括人工势场法l2J、神经网络法E3]、遗传算法l4J等．人工势方向上时，蚂蚁释放的信息素将对蚁群的决策产生误场法便于底层的实时控制，但缺乏全局信息，存在局部导．H．M．Botee利用遗传算法对蚁群算法参数的组合优最优值的问题；神经网络法具有很好的学习能力，但当化进行了深入的研究，但遗传算法计算量大，效果不明障碍物较多且环境为动态时，网络结构庞大且神经元的显[1()【．阈值随时间的变化而需要不断地改变；遗传算法具有很针对动态路径规划问题，本文首先通过改进蚁群算好的全局搜索能力，但当环境改变时必须重新建立环境法搜索到全局

8、最优路径，然后通过信息素信息寻找到一模型，并且搜索空间大．条避开障碍物的路径．改进的蚁群算法根据目标点自适蚁群算法l_5J是由意大利学者M．Dorigo等人首先提应调整启发函数，提高算法的收敛速度；借鉴狼群分配出来的，它通过模拟蚂蚁社会分工与协作寻