基于改进蚁群算法的机器人全局路径规划研究

计算机工程与科学

• 人工智能与数据挖掘 • 上一篇

基于改进蚁群算法的机器人全局路径规划研究

曹新亮1，王智文2,3，冯晶1，查敏1，王宇航4

（1.广西科技大学电气与信息工程学院，广西柳州 545006； 2.广西科技大学计算机科学与通信工程学院,广西柳州 545006；

3.广西师范大学多源信息挖掘与安全重点实验室，广西桂林 541004；

4.广西师范大学计算机科学与信息工程学院，广西桂林 541004 ）

收稿日期:2019-08-25 修回日期:2019-11-04 出版日期:2020-03-25 发布日期:2020-03-25
基金资助:
国家自然科学基金(61962007,61462008,61751213,61866004)；广西自然科学基金重点项目(2018GXNSFDA294001,2018GXNSFDA281009)；广西自然科学基金(2018GXNSFAA294050,2017GXNSFAA198365)；广西教育厅科研项目（YB2014209）;广西多源信息挖掘与安全重点实验室开放性研究课题
（MIMS19-04）;广西科技大学创新团队”图像处理与智能认知及应用”（gxkjdxcxtd201504）；2017年广西科技大学硕士研究生创新项目（GKYC2017）

Global path planning of robots based

on improved ant colony algorithm

CAO Xin-liang1,WANG Zhi-wen2,3,FENG Jing1,ZHA Min1，WANG Yu-hang4

（1.School of Electrical and Information Engineering，Guangxi University of Science and Technology，Liuzhou 545006;

2.School of Computer Science and Telecommunication Engineering,Guangxi University of Science and Technology,Liuzhou 545006;

3.Guangxi Key Lab of Multi-source Information Mining & Security,Guangxi Normal University,Guilin 541004;

4.School of Computer Science and Information Engineering,Guangxi Normal University,Guilin 541004,China）

Received:2019-08-25 Revised:2019-11-04 Online:2020-03-25 Published:2020-03-25

摘要/Abstract

摘要：

针对蚁群算法在机器人路径规划过程中出现的收敛速度慢的缺陷，提出了基于改进蚁群算法规划机器人全局路径，在栅格地图中划定优选区域，并建立新的初始信息素浓度设置模型，对各点初始信息素浓度进行差异化设置，避免寻优的盲目性，提高了算法的收敛速度。实验结果表明，改进后的蚁群算法的收敛速度明显加快，优于传统算法，表明了该算法的有效性。

关键词: 蚁群算法, 机器人, 路径规划, 栅格地图, 改进蚁群算法

Abstract:

Aiming at the shortcomings of ant colony algorithm in robot path planning, this paper proposes a global path planning method of robots based on improved ant colony algorithm. This method delineates the preferred region in the grid map and establishes a new initial pheromone concentration setting model, differentiating the initial pheromone concentration at each point to avoid the blindness of optimization and improving the convergence speed of the algorithm. The experimental results show that the improved ant colony algorithm has significantly higher convergence rate than the traditional algorithm, verifying the effectiveness of the algorithm.

Key words: ant colony algorithm, robot, path planning, grid map, improved ant colony algorithm

曹新亮, 王智文, 冯晶, 查敏, 王宇航. 基于改进蚁群算法的机器人全局路径规划研究[J]. 计算机工程与科学.

CAO Xin-liang, WANG Zhi-wen, FENG Jing, ZHA Min, WANG Yu-hang.

Global path planning of robots based

on improved ant colony algorithm

[J]. Computer Engineering & Science.

[1]	乔珍, 尹传忠, 仇鑫. 基于改进蚁群算法的长航程无人船路径规划[J]. 计算机工程与科学, 2024, 46(10): 1835-1842.
[2]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[3]	吕倩茹, 杨翔瑞, 蔡志平. 基于影响力地图的计算机兵棋推演路径规划[J]. 计算机工程与科学, 2024, 46(06): 1041-1049.
[4]	夏文强, 王书涵, 曾理湛, 罗欣. 面向林地环境的四足机器人自主定位方法[J]. 计算机工程与科学, 2024, 46(03): 499-507.
[5]	沈克宇, 游志宇, 刘永鑫. 基于拟合优先搜索的多场景自适应改进A*算法[J]. 计算机工程与科学, 2024, 46(01): 142-149.
[6]	李中华, 袁杰, 郭振宇. 基于信息启发的目标导向Bi-RRT机器人路径规划[J]. 计算机工程与科学, 2023, 45(12): 2237-2245.
[7]	张贝, 闵华松, 张新明. 差分变异和领地搜索的平衡优化算法及其机器人路径规划[J]. 计算机工程与科学, 2023, 45(11): 2078-2090.
[8]	张志远, 陈海进, 章一鸣. 基于局部障碍率预获取和双向父节点变更的A*算法优化[J]. 计算机工程与科学, 2023, 45(09): 1661-1669.
[9]	张一楠, 丁建完. 基于WLS-MBO算法的串联机器人动力学参数辨识[J]. 计算机工程与科学, 2023, 45(07): 1274-1281.
[10]	于家斌, 陈志豪, 邓维, 许继平, 赵峙尧, 王小艺. 一种无人巡航船遍历多目标点的路径规划算法研究[J]. 计算机工程与科学, 2023, 45(05): 840-848.
[11]	白耀文, 杜亚江, 李宗刚, . 基于多步长的多机器人分布式巡逻算法研究[J]. 计算机工程与科学, 2023, 45(02): 313-320.
[12]	顾楚梅, 曹建军, 王保卫, 徐雨芯, . 基于蚁群参数优化的LightGBM辐射源个体识别[J]. 计算机工程与科学, 2023, 45(01): 85-94.
[13]	杨炳媛, 袁杰, 郭园园. 一种自适应鲸鱼快速优化算法[J]. 计算机工程与科学, 2023, 45(01): 145-153.
[14]	张小俊, 刘昊学. 轮式移动机器人轨迹跟踪控制研究[J]. 计算机工程与科学, 2022, 44(10): 1804-1811.
[15]	郭园园, 袁杰, 赵克刚. 基于改进A*算法和动态窗口法的机器人路径规划[J]. 计算机工程与科学, 2022, 44(07): 1273-1281.

基于改进蚁群算法的机器人全局路径规划研究

Global path planning of robots based

on improved ant colony algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价