动态环境下基于蚁群算法实时路径规划方法.docVIP

动态环境下基于蚁群算法实时路径规划方法 　　摘 要:提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。 　　关键词:移动机器人; 路径规划; 蚁群算法; 环境模糊模型; 动态环境 　　中图分类号:TP24 文献标志码:A 　　文章编号:1001-3695(2010)03-0860-04 　　doi:10.3969/j.issn.1001-3695.2010.03.014 　　 　　Method of real-time path planning based on ant colony algorithm in??dynamic environment 　　 　　ZENG Bi, YANG Yi-min 　　 　　(Guangdong University of Technology, Guangzhou 510006, China ) 　　 　　Abstract:This paper proposed a new method which implemented real-time path planning of mobile robot in complex dynamic environment. The method first utilized the fuzzy logistic description to establish the fuzzy environment model of robot in local area, and then adopted the improved ant colony system algorithm to quickly search each local optimal path. With the optimal path leading, the robot achieved real-time path planning in complex dynamic environment combine with the method of rolling path planning. The method not only overcame the influences of fuzziness and uncertainty of environmental information which caused by inferior detection of sensors, but also had fully exploited the ant colony algorithm superiority in the community intelligence. The simulation result indicates the validity and the feasibility of this algorithm. 　　Key words:mobile robot; path planning; ant colony algorithm(ACS); fuzzy model of environment; dynamic environment 　　 　　移动机器人路径规划问题是机器人导航研究的核心问题。在实际中,机器人具有的环境信息往往不完全,并且是动态变化的,这类路径规划属于NP-hard问题,也是目前国内外的一个研究热点[1]。现有的方法主要包括人工势场法[2]、遗传算法[3,4]、模糊逻辑算法[5]、神经网络[6]和蚁群算法等。人工势场法结构简单、实时性好,但最大缺点是易陷入局部最优解,而且在动态环境中难以实现,而其余一些智能算法,计算量较大,在复杂环境中很难保证实时快速性。蚁群系统算法[7](ACS)具有并行处理、学习记忆与群体协作等特点,近年来已被用于静态环境下的机器人路径规划,但是在动态变化的复杂环境下,机器人运动导航或路径规划蚁群算法仍是研究热点[8]。本文提出一种可在复杂的动态环境下,利用环境的模糊模型和蚁群导引来实现机器人实时路径规划的新方法。该方法将改进的ACS算法、滚动规划法[9]与模糊逻辑法相结合,整合各自优势来实现移动机器人在动态环境下的实时导航。 　　1 环境的模糊模型 　　在未知的动态环境运动的机器人,只能根据自身传