具有感觉适应功能蚁群算法的机器人路径规划

doi:10.3778/j.issn.1002-8331.2010.31.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 215-218.DOI: 10.3778/j.issn.1002-8331.2010.31.060

具有感觉适应功能蚁群算法的机器人路径规划

蔡文彬¹，朱庆保^1，2

1.南京师范大学计算机科学与技术学院，南京 210097
2.江苏省信息安全保密技术工程研究中心，南京 210097

收稿日期:2009-07-21 修回日期:2009-09-20 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 蔡文彬

Algorithm for robot path planning based on ant colony with characteristic of sensory adaptation

CAI Wen-bin¹，ZHU Qing-bao^1，2

1.School of Computer Science and Technology，Nanjing Normal University，Nanjing 210097，China
2.Jiangsu Research Center of Information Security and Confidential Engineering，Nanjing 210097，China

Received:2009-07-21 Revised:2009-09-20 Online:2010-11-01 Published:2010-11-01
Contact: CAI Wen-bin

摘要/Abstract

摘要： 用传统蚁群算法进行机器人路径规划具有收敛速度慢，容易陷入局部最优等缺点。为此，通过模拟蚂蚁的感觉特征，提出了一种具有感觉适应功能的蚁群算法，并应用到机器人路径规划中。算法设置蚂蚁的感觉能力随着在高强度信息素节点上的行走而降低，在快速收敛的同时保证搜索多样性。大量仿真实验表明，该算法有较强的搜索能力，不易陷入局部最优，即使在障碍非常复杂的环境下使用该算法，也能快速收敛到一条全局优化路径。

关键词: 机器人, 路径规划, 蚁群算法, 感觉适应

Abstract: There are some disadvantages when using traditional ant colony algorithm to solve path planning problems such as slow convergence speed，easily plunging into a local optimum and so on.Therefore，a new ant colony algorithm with characteristic of sensory adaptation for path planning which simulates the ants’ behavior according to the laws of sensation is presented.In this algorithm，the ants’ sensory capacity is reducing when walking on the high-intensity pheromone nodes，thus，the algorithm can not only keep the fast convergence speed but also ensure the diverse search.The results of simulations demonstrate that this algorithm has a strong search ability and a low possibility to plunge into a local optimum，the best path can also be found in a short time even in a complex environment.

Key words: robot, path planning, ant colony algorithm, sensory adaptation

中图分类号:

TP242

蔡文彬¹，朱庆保^1，2. 具有感觉适应功能蚁群算法的机器人路径规划[J]. 计算机工程与应用, 2010, 46(31): 215-218.

CAI Wen-bin¹，ZHU Qing-bao^1，2. Algorithm for robot path planning based on ant colony with characteristic of sensory adaptation[J]. Computer Engineering and Applications, 2010, 46(31): 215-218.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[4]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[5]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[6]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[7]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[8]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[9]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[10]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[11]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[12]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[13]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[14]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[15]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.

具有感觉适应功能蚁群算法的机器人路径规划

Algorithm for robot path planning based on ant colony with characteristic of sensory adaptation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics