龙源期刊网httpwwwqika
comc
蚁群算法在路径规划中的应用
作者:张元良杨巍巍刘青程鹏来源:《数字技术与应用》2013年第05期
摘要:蚁群优化算法是由MarcoDorigo于1992年在他的博士论文中引入的一种优化技术。蚁群算法的灵感来自于真实蚁群的觅食行为。蚁群算法以其强大的搜索能力、很好的鲁棒性和易于与其它算法结合使用等优点在各种优化的问题中得到了广泛的关注和应用。移动机器人路径规划任务是在静态的已知障碍物的环境中找到一条从起点到终点路径最短且能够避开障碍物的最优路径。本文首先介绍了适用于移动机器人路径规划任务的基本蚁群算法,然后基于基本蚁群算法存在的问题讨论了对蚁群算法在移动机器人路径规划中的改进措施,最后针对蚁群算法的应用现状提出了未来的发展和改进方向。
关键词:机器人路径规划蚁群算法
中图分类号:TP24文献标识码:A文章编号:10079416(2013)05015902
1前言
自主移动机器人能够正常安全工作的保障是要求机器人能够自主的在存在障碍物的环境中找到能够从起点到达终点的最优路径。目前,常用于进行移动机器人路径规划的算法有人工势场法、A算法、模糊逻辑方法、神经网络法、遗传算法等1。人工势场法容易使移动机器人陷入局部最小解而无法达到目标点。A算法虽然能够得到最优的路径,但是其全局性较差而且算法中的启发式函数如果选的不正确,则在搜索中容易进入死循环。模糊逻辑算法的适应能力比较差。神经网络具有很强的学习能力,但是训练过程比较困难。遗传算法具有随机优化的特点,但是其局部搜索能力不强,容易出现早熟现象。
蚁群算法是由意大利学者MDorigo在1992年提出的一种通用的新型优化算法,具有极强的鲁棒性和发现较好解的能力。蚁群算法在众多的优化问题中得到了广泛的应用。由于其具有正反馈、分布式计算、自组织等特点,在移动机器人路径规划中也得到了广泛的应用。但是传统的蚁群算法也存在易于陷入局部最优解、停滞现象和收敛速度慢等问题2。本文首先在蚁群算法在移动机器人路径规划应用中存在的问题的基础上讨论了目前存在的改进方法,然后给出了今后发展的趋势,最后对文章进行了总结。
2蚁群算法的改进措施
在进行路径规划之前首先要对机器人所处环境进行描述。其中栅格地图是用的最多的一种环境表示方法3。在设计栅格地图时,文献2将栅格的宽度和长度选为与移动机器人的实际宽度和长度相等。由于机器人自身的体积问题,所以机器人在行进过程中要考虑在走对角线方向时有可能r