复杂环境移动机器人路径规划的改进蚁群算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (13): 60-63.

复杂环境移动机器人路径规划的改进蚁群算法

刘锴1，游晓明1，刘升2

1.上海工程技术大学电子电气工程学院，上海 201620
2.上海工程技术大学管理工程学院，上海 201620

出版日期:2016-07-01 发布日期:2016-07-15

Improved ant colony algorithm of path planning for mobile robot under complex environment

LIU Kai1, YOU Xiaoming1, LIU Sheng2

1.College of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai 201620, China
2.School of Management, Shanghai University of Engineering Science, Shanghai 201620, China

Online:2016-07-01 Published:2016-07-15

摘要/Abstract

摘要： 针对蚁群算法易陷入路径死锁的缺点，提出了一种复杂环境下移动机器人路径规划的改进蚁群算法。对机器人环境建立栅格模型，在传统转移规则中引入指向上一节点的数组，增强了算法的逃逸能力；在信息素更新中减去最差蚂蚁释放的信息量，有利于种群的进化。仿真分析了主要参数对算法性能的影响，实验结果表明，该算法在复杂地图中搜索到的路径优于传统算法。

关键词: 移动机器人, 路径规划, 蚁群算法, 栅格法

Abstract: For the shortcomings of easy to fall into the path deadlocks, an improved ant colony algorithm is proposed to plan the optimal collision-free path for a mobile robot in a complex environment. Firstly, grid model of the robot environment is established, and an array of element point to the previous is employed to enhance the escaping capability of algorithm. It utilizes the pheromone released by the worst ant to update the pheromone, which is conducive to the evolution of the colony. The main parameters’ influence on the performance of the algorithm is analyzed. Simulation results show that the optimal collision-free path on the complex map obtained by this algorithm is superior to the traditional algorithm.

Key words: mobile robot, path planning, ant colony algorithm, grids

刘锴1，游晓明1，刘升2. 复杂环境移动机器人路径规划的改进蚁群算法[J]. 计算机工程与应用, 2016, 52(13): 60-63.

LIU Kai1, YOU Xiaoming1, LIU Sheng2. Improved ant colony algorithm of path planning for mobile robot under complex environment[J]. Computer Engineering and Applications, 2016, 52(13): 60-63.

[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.