-
题名基于改进蚁群算法的机器人路径规划研究
被引量：39
- 1
-
-
作者
万晓凤
胡伟
方武义
郑博嘉
-
机构
南昌大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
2014年第18期63-66,共4页
-
基金
江西省科技支撑项目(No.20133BBE50029)
江西省科技厅工业支撑计划(No.20132BBE50049)
-
文摘
在二维静态环境下的机器人路径规划中,采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进,改进的蚁群算法使用不同的期望值机制,采用挥发系数自适应方式更新信息激素,并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析,可得改进后的蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,所寻路径更短。结果表明,该改进算法提高了算法效率,抑制了算法陷入局部最优并实现了机器人最优路径搜索,使机器人可以快速地避开障碍物安全到达目标点。
-
关键词
蚁群算法
路径规划
挥发系数自适应
拐点参数
最优路径
-
Keywords
ant colony algorithm
path planning
evaporation coefficient adaptive
inflection point parameter
optimal path
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP24
[自动化与计算机技术—控制科学与工程]
-
-
题名改进蚁群算法的机器人路径规划研究
被引量：20
- 2
-
-
作者
毛嘉琪
-
机构
湘潭大学信息工程学院
-
出处
《计算机应用与软件》
北大核心
2021年第5期300-306,共7页
-
文摘
针对基本蚁群算法收敛速度慢,易陷入局部最优解等问题,提出一种静态障碍环境下的改进蚁群算法。利用A^(*)算法来设定信息素初始值,提高算法初始阶段搜索效率;采用新的信息素更新规则,并且动态调整启发函数和信息素挥发速率,加快算法的收敛速度,扩大搜索空间。仿真实验表明,与其他算法在相同情况下比较,改进算法在路径相同的情况下拥有较快的收敛速度以及较高的稳定性,且在不同复杂度的环境中均能得到最优路径,验证了其有效性和可靠性。
-
关键词
A^(*)算法
蚁群算法
启发函数
信息素挥发因子
拐点参数
-
Keywords
A^(*)algorithm
Ant colony algorithm
Heuristic function
Pheromone volatile factor
inflection point parameter
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP24
[自动化与计算机技术—控制科学与工程]
-
-
题名基于改进蚁群算法的多机器人路径规划研究
被引量：18
- 3
-
-
作者
顾军华
孟慧婕
夏红梅
董永峰
-
机构
河北工业大学计算机科学与软件学院
河北工业大学河北省大数据计算重点实验室
河北工业大学河北工业大学学报编辑部
-
出处
《河北工业大学学报》
CAS
2016年第5期28-34,共7页
-
基金
天津市应用基础与前沿技术研究计划(13JCQNJC00200
14JCYBJC18500)
+1 种基金
河北省高等学校科学技术研究项目(ZD20131097)
河北省自然科学基金(F2015202311)
-
文摘
针对蚁群算法在机器人路径规划过程中存在的收敛速度慢、效率较低、容易陷入局部最优等缺点,提出了一种多步长的改进蚁群算法.该算法实现了多步长路径规划;同时在概率公式中加入了拐点参数,使路径更加平滑;并且提出了新的信息素奖励惩罚机制.将改进的蚁群算法应用于具有3个优化目标的多机器人路径规划中,采用碰撞预测策略和路径协调策略完成多机器人间的协调避碰.仿真结果表明,改进的蚁群算法规划的路径更短、更平滑,效率更高,验证了该算法在多机器人路径规划中的有效性和可行性.
-
关键词
多机器人
路径规划
改进蚁群算法
多步长
拐点参数
协调避碰
-
Keywords
multi-robot
path planning
improved ant colony algorithm
multi-step
inflection point parameter
coordinated collision avoidance
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
