改进蚁群混合算法的机器人路径规划研究

摘要

为改进传统蚁群算法在机器人路径规划中存在拐点过多，路径冗余且易陷入局部最优的问题，提出一种蚁群混合算法.制定具有弱启发性的初始信息素分布函数，减少前期搜索盲目性；加入角度因子，同时基于人工势场算法局部优化的特点构建一个势场启发函数，减少拐点并帮助蚂蚁跳出局部最优；引入粒子群优化算法思想对优劣路径进行信息素奖惩，并增加包含路径拐点数量的局部信息交流项，通过动态调整惯性权重，使得在前期路径长度差异较大时，路径长度为信息素更新主要影响因素，在后期路径长度相差较小时，局部信息交流项成为主要影响因素，以此得到拐点更少的路径；最后对路径进行二次优化.在20×20、30×30的地图中与其他4种先进算法进行对比实验，实验结果表明，改进算法在不同复杂环境下均具有较强的路径规划能力，所规划的路径在拐点数量及路径平滑度上均优于其他4种算法，验证了改进算法的优越性.

关键词

机器人路径规划 / 蚁群算法 / 人工势场算法 / 粒子群优化算法