摘要
为了改善传统蚁群算法在路径规划中缺乏足够鲁棒性的问题,采用改进自适应蚁群算法,根据解的分布情况自适应地进行信息素的更新,在多种步长选择机制下选择最优步长,提高全局搜索能力。在MATLAB中对本文算法、传统蚁群算法以及自适应蚁群算法分别进行了仿真实验对比。在相同的环境模型下,该算法的迭代次数为2次,比自适应蚁群算法提升了93%,最小路径长度为27.67,比自适应蚁群算法提升了3.4%;在给定的复杂环境模型下进行路径规划时,该算法的迭代次数为2次,最小路径长度为28.88,传统蚁群算法对应的迭代次数和路径长度分别为166和29.8。仿真结果表明,改进后的蚁群算法较传统蚁群算法相比,能够快速找到最短...
学科与关键词
关键词
移动机器人蚁群算法自适应路径规划信息素鲁棒性 mobile robotant colony algorithmadaptivepath planningpheromonerobustness
- 基于改进蚁群算法的移动机器人路径规划张琦; 马家辰; 谢玮; 马立勇东北大学学报(自然科学版), 2013, (11): 1521-1524.
- 基于改进蚁群算法的移动机器人全局轨迹规划研究屈正庚; 杨川南京师大学报(自然科学版), 2015, (01): 81-85.
- 动态环境下基于改进蚁群算法的移动机器人路径规划王娇娇; 毛剑琳信息通信技术, 2019, (05): 28-32.
