為了克服傳統(tǒng)蟻群算法易陷入局部最優(yōu)且收斂速度慢的影響,采用柵格地圖建立機器人實驗環(huán)境仿真模型。針對蟻群算法進行改進并將其應用到機器人路徑規(guī)劃上�？紤]到從路徑規(guī)劃起點到目標點的方向性、前期存在的易陷入局部最優(yōu)解以及螞蟻收斂速度的問題,提出了添加雙向搜索方向機制和比例系數(shù)引導因子的啟發(fā)函數(shù),避免了算法在搜索過程中選擇與終點方向相背的區(qū)域行走或者走回路的弊端。根據(jù)不同路段被選擇次數(shù)不同,設置不同信息素權(quán)重,強化了不同路段的重要性,加快算法收斂速度。在matlab軟件平臺上進行算法仿真,仿真結(jié)果驗證了該方法的有效性。 

【文章來源】：計算機工程與應用. 2020,56(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

環(huán)境模型1單向搜索算法

環(huán)境模型1雙向搜索算法

環(huán)境模型2單向搜索算法

【參考文獻】：
期刊論文
[1]基于改進A*算法的移動機器人路徑規(guī)劃研究[J]. 吳鵬,桑成軍,陸忠華,余雙,方臨陽,張屹.  計算機工程與應用. 2019(21)
[2]蟻群算法在無人駕駛園區(qū)參觀路線的應用[J]. 郭蓬,張金煒,戎輝,王文揚,高嵩,何佳.  現(xiàn)代電子技術(shù). 2019(11)
[3]未知環(huán)境下的蟻群-聚類自適應動態(tài)路徑規(guī)劃[J]. 劉新宇,譚力銘,楊春曦,翟持.  計算機科學與探索. 2019(05)
[4]改進蟻群算法在AUV三維路徑規(guī)劃中的研究[J]. 張楠楠,姜文剛,竇剛.  計算機工程與應用. 2019(11)
[5]多啟發(fā)因素改進蟻群算法的路徑規(guī)劃[J]. 李理,李鴻,單寧波.  計算機工程與應用. 2019(05)
[6]動態(tài)學習機制的雙種群蟻群算法[J]. 袁汪凰,游曉明,劉升.  計算機科學與探索. 2019(07)
[7]基于模糊蟻群算法的移動機器人軌跡規(guī)劃研究[J]. 趙宏才,郭佳樂,徐肖鯨,刁少文.  計算機仿真. 2018(05)
[8]帶啟發(fā)信息的蟻群神經(jīng)網(wǎng)絡訓練算法[J]. 趙章明,馮徑,施恩,舒曉村.  計算機科學. 2017(11)
[9]改進蟻群算法在復雜環(huán)境中機器人路徑規(guī)劃上的應用[J]. 李龍澍,喻環(huán).  小型微型計算機系統(tǒng). 2017(09)
[10]基于改進蟻群算法的移動機器人路徑規(guī)劃[J]. 朱顥東,孫振,吳迪,申圳.  重慶郵電大學學報(自然科學版). 2016(06)



本文編號：3284547