基于改进蚁群算法的移动机器人路径规划算法研究.pdfVIP

摘 要 摘 要 随着人工智能的发展，研究人员不断尝试提高机器人的智能化水平。路径规划 问题涉及环境感知、数据处理等多方面跨学科技术，是移动机器人导航技术研究的 重要环节之一。目前虽然提出了多种算法来解决路径规划问题，但仍有很多问题需 要解决。因此，需要更深入对路径规划算法进行研究。 针对传统蚁群算法易出现搜索停滞、规划耗时较长的问题，提出一种改进蚁群 算法。通过对算法的启发信息进行改进，加入转向代价，减少不必要的转折。提出 一种自适应的参数选择策略，动态改变参数值，增强搜索的全面性。在信息素浓度 上，采用全局信息素更新和信息素挥发因子智能调整策略，来加快算法收敛。最后 进行matlab 仿真及实验验证，结果显示改进算法优于常规蚁群算法，验证了改进算 法的可行性和有效性。 其次，针对动态避障问题，将改进的蚁群算法引入到动态路径规划当中。首先 A* 应用改进 算法在环境地图中规划出一条全局最优路径。当移动机器人在前进过程 中搜索到动态障碍物时，利用改进蚁群算法确立局部目标点，避障后继续沿着全局 最优路径移动。通过仿真证明，移动机器人可以有效的避开临时添加静态和动态障 碍物，到达目标点。 最后，针对机器人在三维环境下的路径规划问题，将三维立体空间划分为一个 个平面，再将每个平面栅格化，采用信息素存储在路径节点的方式替代原先存储在 路径的方式，降低信息素存储空间，并以分层前进的搜索方式展开搜索。改进路径 启发信息，构建新的启发函数。每次迭代完成后，更新信息素，仿真结果表明改进 算法的有效性。 关键词 路径规划；改进A*算法；改进蚁群算法；自适应参数调整；信息素 I Abstract Abstract With the development of artificial intelligence,researcherskeep trying toimprovethe intelligence ofrobots.Path planning isone oftheimportant linksin theresearch ofmobile robot navigation technology, which involves multi-disciplinary technologies such as environment perception and data processing. At present, many algorithms have been proposed to solve the path planning problem, but there are still many problems to be solved.Therefore,thepathplanningalgorithmneedstobefurther studied. Aiming at the problems that the traditional ant colony algorithm is prone to search stagnation and time-consuming planning, an improved ant colony algorithm is proposed. By improving the heuristic information of the algorithm, the cost of steering is added to reduce unnecessary turning. An adaptive parameter selection strategy is proposed to dynamically change parameter values, and enhance the comprehensiveness of the search. In terms of pheromone concentration, global pheromone update and pheromone volatilization factor i