强化角度因子之启发式蚁群演算法结合角度因子於自走机器人路径.PDFVIP

強化角度因子之啟發式蟻群演算法 應用於動態環境中存活力與適應力之研究 The Research of Survivability and Adaptability in Dynamic Environment of Heuristic Ant Colony System with Angle Factor for Mobile Robot Path Planning 劉豐豪 羅祥福 張冠璋 國防大學管理學院 國防大學理工學院 國防大學管理學院 資訊管理學系 國防科學研究所 資訊管理學系 lfh123@ superalf@ j7898521j@ 摘要 Planning) 、2) 模版匹配路徑規劃技術 (Template 啟發式演算法求得之解較傳統演算法多變， Path Planning) 、3) 人工智能路徑規劃技術 藉此來增加非線性問題的值域，避免落入區域解 (Artificial Intelligent Path Planning)及 4)地圖建構規 的巢臼，螞蟻演算法 (Ant System, AS即屬於啟發) 劃技術 (Map Building Path Planning) 。 式演算法的範疇 ，其藉由啟發資訊以及費洛蒙遺 人造力場法[1 、12 、15是模擬機器人處於一] 力場中，障礙物對機器人有 斥力 ，目標點對機 留與蒸發機制 來跳脫區域最佳解 ，對於複雜度高、 器人有 引力 ，整個力場環境對機器人產生斥引 規模大的問題，可以有效找到最佳解或是近似最 作用，進而讓機器人避開障礙到達目標位置。模 佳解，故被應用在機器人路徑規劃問題上。 但現實環境是多變而不可預測的，一般AS的 板匹配法[8就是以曾走過的路徑建立模板庫，當] 在重新規劃路徑時，會比對當前與模板庫路徑的 啟發資訊僅依據 相鄰節點之距離的長短來決定 下 特徵，找出特徵最相似的路徑，再以之為基底修 一路徑 ，此一機制在多變的現實環境中 並不足以 適應環境，達到提升完成任務的比率。 改成當前的路徑。 人工智能路徑規劃[3]法是使用 本研究提出一種改良的螞蟻演算法，稱為狡 人工智慧方法例如啟發式演算法- ,執行路徑規劃方 法，其中包含基因演算法(Genetic Algorithm, GA) 、 猾的蟻群系統(Shady Ant Colony System, SACS) ， 結合角度因子改進啟發資訊參數，使機器人在變 粒子演算法(Particle Swarm Optimization, PSO) 、爬 動的環境中可以規劃一條較快速的可行路徑。 山演算法(Hill-Climbing Algorithm, HC) 、模擬退火 實驗結果顯示 SACS較傳統 AS路徑總長短 法(Simulated Annealing, SA)及 AS 等。地圖建構規 38.3% 、有效性優85.7% 、時效性優35.3% ，明顯 劃法 [6 、7 、19]是根據機器人的感測器去搜尋障 礙物資訊，並將所建構的 地圖劃分為可行區及