%0 Journal Article %A 朱佳莹 %A 高茂庭 %T 融合粒子群与改进蚁群算法的AUV路径规划算法 %D 2021 %R 10.3778/j.issn.1002-8331.2008-0243 %J 计算机工程与应用 %P 267-273 %V 57 %N 6 %X

针对传统蚁群算法在处理自主式水下机器人AUV(Autonomous Underwater Vehicle)三维路径规划问题时存在初期寻径能力弱、算法收敛速度慢等问题,提出一种融合粒子群与改进蚁群算法的AUV路径规划算法PSO-ACO(Particle Swarm Optimization-improved Ant Colony Optimization)。基于空间分层思想建立三维栅格模型实现水下环境建模;综合考虑路径长度、崎岖性、危险性等因素建立路径评价模型;先使用粒子群算法预搜索路径来优化蚁群算法的初始信息素;再对蚁群算法改进状态转移规则、信息素更新方式并加入奖惩机制实现全局路径规划。实验表明,算法能有效提高初期寻径能力和全局搜索能力,减少收敛迭代次数并缩短搜索使用时间。

%U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.2008-0243