信息素扰动的多目标蚁群优化动态路径规划算法

摘要

针对传统蚁群算法在动态环境中信息素收敛模式易受扰动，导致全局搜索能力退化和路径鲁棒性不足的问题，提出一种信息素扰动的多目标蚁群优化动态路径规划(Modified Multi-Objective Ant Colony Optimization with Pheromone Perturbation, M-MACO)算法。该算法在代价函数设计中综合引入路径长度、轨迹平滑性、安全间隙、风险概率和能耗等指标，通过多目标加权代价函数构建综合评价模型，以实现对路径质量的全维度表征，并在环境发生变化的区域引入信息素扰动机制，以增强种群多样性和全局搜索能力。仿真结果表明，所提算法在全局寻优能力、路径平滑性与动态适应性方面，相较于对比算法路径代价平均降低了18%～25%,路径曲率平滑性提升了14%～21%,能耗降低了17%～22%,且在扰动时保持稳定收敛趋势，有效改善了动态环境下的全局搜索能力并提升路径生成的稳定性与可行性。

关键词

动态避障 / 蚁群优化 / 信息素扰动 / 多目标优化 / 轨迹平滑性