【技术实现步骤摘要】
一种基于自适应改进蚁群算法的机器人路径规划方法
[0001]本专利技术涉及机器人路径规划领域,具体涉及一种基于自适应改进蚁群算法的机器人路径规划方法。
技术介绍
[0002]路径规划是移动机器人自主导航最关键的一个环节,也是移动机器人研究的热点之一,其主要任务是在地图信息已知或者未知的环境中,依据距离最短、时间最优、能耗最低等一条或多条评价指标规划一条从起始位置到目标位置的一条安全无碰撞路径。目前,许多传统算法应用在移动机器人路径规划的问题上,如A*算法、人工势场法、快速搜索随机树法等。随着智能算法的不断发展,如蚁群算法、粒子群算法、萤火虫算法和人工神经网络算法等逐渐应用在机器人路径规划领域。
[0003]蚁群算法是由意大利学者Dorigo提出的一种模仿蚂蚁觅食过程的一种仿生智能算法,具有正反馈、并行计算、鲁棒性好等优点,被广泛的应用在移动机器人路径规划领域。但是传统的蚁群算法存在收敛速度慢、易于陷入局部最优、陷入死锁等问题。针对蚁群算法的不足,很多学者对蚁群算法进行改进,主要从参数的优化、信息素的初始化与更新规则、 ...
【技术保护点】
【技术特征摘要】
1.一种基于自适应改进蚁群算法的机器人路径规划方法,其特征在于:包括以下步骤:S1:建立栅格地图环境,确定起始点和目标点;采用最短路径算法规划出一条初始路径,进行初始信息素分布;S2:根据人工势场模型对初始路径上的信息素进行扩散;初始化参数和禁忌表,释放蚂蚁;S3:根据状态转移策略选择下一节点,不断更新禁忌表和路径长度并记录蚂蚁的走的路径,若蚂蚁到达终点,更新信息素,若达到设定的最大迭代次数,输出最优路径以及收敛曲线。2.根据权利要求1所述的基于自适应改进蚁群算法的机器人路径规划方法,其特征在于:所述最短路径算法采用Dijkstra算法,规划出一条初始路径,进行初始信息素分布,如式(1)所示:其中,τ
i
(0)为初始信息素矩阵;τ0为初始信息素含量;L为Dijkstra算法寻找到的路径,i为路径L上的节点,C为节点i的信息素增量。3.根据权利要求1所述的基于自适应改进蚁群算法的机器人路径规划方法,其特征在于:所述根据人工势场模型对初始路径上的信息素进行扩散,设定当前网格的信息素含量为a1、网格垂直方向的网格信息素含量为a2、斜边方向的网格信息素含量为a3。4.根据权利要求1所述的基于自适应改进蚁群算法的机器人路径规划方法,其特征在于:所述初始化参数和禁忌表,释放蚂蚁,如式(2)所示的伪随机转移策略选择下一节点:其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。