不确定环境下一种新的双蚁群路径规划算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 245-248.

• 工程与应用 • 上一篇

不确定环境下一种新的双蚁群路径规划算法

华路，周之平

南昌航空大学信息工程学院，南昌 330063

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Novel double ant colony path planning algorithm under uncertain environment

HUA Lu，ZHOU Zhiping

School of Information Engineering，Nanchang Hangkong University，Nanchang 330063，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要： 蚁群算法作为一种新型的模拟进化算法，被广泛地用于路径规划问题。但是传统的蚁群算法存在搜索时间长、收敛速度慢、易于陷入局部最优等缺点，为了克服算法的不足，该文提出一种改进的双蚁群算法，通过改变启发因子，同时引入最大最小蚁群系统思想对信息素进行更新以提高算法性能。实验结果表明，与同类算法相比，该算法能得到更优的路径。

关键词: 蚁群算法, 双蚁群算法, 启发因子, 路径规划, 最大最小蚂蚁系统

Abstract: Ant colony algorithm，as a novel simulation evolutionary algorithm，has been used in the path-planning problems widely.Because of some shortcomings such as long search the time low convergence and easy to trap into local optimization，in order to overcome these shortcomings，an improved double ant colony algorithm is presented in this paper，by changing heuristic factor and updating pheromone via incorporating maximum-minimum ant system.The experimental results indicate that the algorithm perform better than counterparts.

Key words: ant colony algorithm, double ant colony algorithm, heuristic factor, path planning, max-min ant system

华路，周之平. 不确定环境下一种新的双蚁群路径规划算法[J]. 计算机工程与应用, 2011, 47(15): 245-248.

HUA Lu，ZHOU Zhiping. Novel double ant colony path planning algorithm under uncertain environment[J]. Computer Engineering and Applications, 2011, 47(15): 245-248.

[1]	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.
[2]	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.
[3]	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.
[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]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[13]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[14]	赵伟，吴子英. 双层优化A*算法与动态窗口法的动态路径规划[J]. 计算机工程与应用, 2021, 57(22): 295-303.
[15]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.

不确定环境下一种新的双蚁群路径规划算法

Novel double ant colony path planning algorithm under uncertain environment

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