基于改进蚁群算法的障碍环境下路径规划研究.pdf

《基于改进蚁群算法的障碍环境下路径规划研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于改进蚁群算法的障碍环境下路径规划研究徐利超，张世武(中国科学技术大学精密机械与精密仪器系，安徽合肥230027)StudyofPathPlanninginObstacleEnvironmentBasedonanImprovedAntAlgorithmXULi—chao，ZHANGShi—we(DepartmentofPrecisionMachineryandPrecisionInstrument，UniversityofScienceandTechnologyofChina，Hefei230027，China)摘要：针对寻找机器人在障碍环境下到达特定derdifferentconditio

2、nsOproblemsizeandobsta—目标最短路径问题，提出一种基于改进蚁群算法的cledistribution，themethodcouldalwaysfindthe路径规划方法。该算法通过赋予蚂蚁类似于人的方optimizationresultsandmeetthespeedrequire—向感，使其具备局部路径思考能力，同时在蚁群算法mentforreal—timepathplanning．’中引入确定性选择和随机性选择相结合的方法，以Keywords：pathplanning；obstacleenviron—及确定性选择概率和信息素挥发系数自适应调整策ment；improved

3、antcolonyalgorithm略，极大地改善了蚁群算法的全局搜索能力和搜索速度，并且显著地提高了算法寻找最优解的能力。0引言在基于栅格地图的仿真测试条件下，该方法在不同问题规模和障碍条件下，均能达到很好的优化结果，路径规划问题是机器人研究领域中一个重要的并且满足实时路径规划的搜索速度要求。研究方向，其致力于求解未知环境下移动机器人从关键词：路径规划；障碍环境；改进蚁群算法起始点到目标点无碰撞并满足一定优化指标的最短中图分类号：TP24路径_1]。在实际应用过程中，根据机器人移动过程文献标识码：A中对环境信息的掌握程度，可以划分为局部路径规文章编号：1001—2257(2013)07—00

4、61—04划和全局路径规划2类问题。目前已有的路径规划Abstraet：Inordertosolvetheproblemoffind—算法主要有栅格图法[2]、人工势场法[3]、遗传算法[4]ingtheshortestpathtoaspecifictargetforrobots，和神经网络法[5等。这些算法虽然各自具备一定的thispaperpresentedanovelpathplanningmethod优点，但同时也存在许多缺陷[6。近来，各种启发式basedonimprovedantcolonyalgorithm．The算法，如遗传算法、模拟退火法和蚁群算法等常被用methodmade

5、theanthavelocalpaththinkingabili—来求解路径规划问题，以弥补传统算法的缺陷。虽tybyendowingitwithsenseofdirectionsimilarto然蚁群算法在求解路径规划问题上具备适应性好，humanbeings．Thethoughtofcombiningdetermin—效率高，易于与其他算法联合使用等优点，但其本身isticselectionandrandomselection，aswellasa—同时存在容易停滞和进化速度慢等缺陷，限制了其daptiveadjustmentstrategyofdeterministicselec—广泛应用

6、。tionprobabilityandpheromoneevaporationcoeffi-在此，基于局部思考和参数动态调整对传统蚁cient，werealsoadopted．Thesemeansgreatlyim—群算法进行了改进，改善了其在求解路径规划问题provedtheglobalsearchabilityoftheantcolony中的搜索性能。仿真实验结果表明，该算法具备很好的实时性和准确性，有很高的实用价值。algorithmandacceleratedthesearchspeed，aswellasimproveditsabilitytofindoptimalsolution．I

7、n障碍环境建模thesimulationenvironmentbasedongridmap，un一在栅格图表示方法中，首先对机器人运动区域收稿日期：2013—03—29基金项目：中国科学院科技创新基金项目(CXJJ一10一M16)环境图像进行二值化处理，用白色表示机器人可以《机械与电子)2013(7)·61·表1改进算法和传统算法的比较yang．Pathplanningformobilerobot