动态环境下基于改进蚁群算法的机器人路径规划研究.pdfVIP

第 44卷 第 2期 电 子 科 技 大 学 学 报 、b1．44 NO．2 2015年3月 JournalofUniversityofElectronicScienceandTechnologyofChina Mar．2O15 动态环境下基于改进蚁群算法的机器人路径规划研究 屈 鸿，黄利伟，柯 星 (电子科技大学计算智能实验室 成都 611731) 【摘要】针对动态复杂条件下的移动机器人路径规划问题，根据全局静态环境先验知识，提出一种改进蚁群算法。在经 典蚁群算法的基础上通过调整转移概率，限定信息素强度的上下界，并引入相关策略解决死锁问题，可以避免初期规划的盲 目性，增加解的多样性，提高算法的全局搜索能力，进一步减小算法早熟的可能性。在规划过程中，根据动态障碍物运行方 向的变化与否，提 出了相应的碰撞避免策略，并针对环境突发状况引．Followwall行为进行改进。仿真实验证明，该算法优 于经典蚁群算法，可有效地指导移动机器人避免环境中的动态障碍物，获取无碰最优或次优路径，并能更好地适应环境的变化。 关 键 词 蚁群算法；动态复杂环境；移动机器人；路径规划 中图分类号 TP312 文献标志码 A doi：10．3969~．issn．1001—0548．2015．02．017 ResearchofImprovedAntColonyBasedRobotPath PlanningUnderDynamicEnvironment QUHong，HUANGLi—wei，andKEXing (ComputingIntelligenceLab，UniversityofElectronicScienceandTechnologyofChina Chengdu 611731) Abstract Thispaperpresentsan improved antcolonyalgorithm formobilerobotpath planning under dynamiccomplexconditionsbasedonpriorknowledgeofglobalstaticenvironment．Onthebasisofconventional antcolonyalgorithm，byadjustingthetransitionprobability，limitingtheboundsofpheromone，andintroducing relevantstrategvto solvethedeadlockproblem，the improved antcolonyalgorithm notonly can avoidthe blindnessofearlyplanningandincreasehtediversiytofsolutions．butalsocanimproveglobalsearchcapabiliytof thealgorithm，andfurtherreducethepossibiliyt ofalgorithm prematuriyt aswel1．Duringtheplanningprocess， accordingtothedirectionchangesofthedynamicobstacles，correspondingcollisionavoidancestrategiesareput forward．TheFollw wal1behavioriSintroducedofrunexpectedsituationsintheenvironment．Simulationresults show thattheproposedalgorithm iSsuperiortoconventionalantcolonyalgorithm．Itcan effectivelyguidethe mobilerobottoavoiddynamicobstacles．Thusobtainsacollisionfreeoptimalorsuboptimalpath，whichadaptsto thechangesoftheen