改进蚁群遗传优化算法和其应用.docVIP

改进蚁群遗传优化算法和其应用 　　摘要： 针对当前移动机器人的一些路径规划算法存在的局限性，提出了一种基于改进蚁群优化和遗传优化的融合算法。利用改进的信息素更新技术和路径节点选择技术使算法尽快找到优化路径，来形成融合算法的初始种群，机器人每前进一步，蚂蚁就对局部路径重新搜索，并处理随机出现的障碍物；然后利用遗传算法（GA）对种群个体进行全局优化，从而能使机器人沿一条全局优化的路径到达终点。仿真结果表明了该融合算法的可行性和有效性。 关键词： 蚁群优化；遗传算法；移动机器人；路径规划；信息素 0引言 移动机器人的路径规划问题是移动机器人研究领域的热点问题。移动机器人路径规划技术的研究起始于20 世纪70 年代，斯坦福研究院的Nils Nilssen和Charles Rosen等，在1966年至1972年研制出了取名Shakey的自主移动机器人[1-6]，在20世纪80年代中期，设计和制造机器人的浪潮席卷全世界[5-7]。根据以往的研究，从机器人对环境感知的角度，将移动机器人路径规划方法分为三类[7-10]：基于环境模型的全局路径规划方法、基于传感器信息的局部路径规划方法和基于行为的路径规划方法。目前，已有的局部路径规划算法有人工势场法、模糊逻辑法等[2，5]，已有的全局路径规划算法有A*方法、可视图法、遗传算法、蚁群算法等[11-17]。本文提出了一种基