改进ACO及其在移动机器人路径规划中的应用

作者：梁刚; 马震; 刘紫燕; 何妍

来源：机械设计与制造, 2019, (10): 226-230.

DOI：10.19356/j.cnki.1001-3997.2019.10.057

• ACO
• Python
• 移动机器人
• 路径规划

针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。

• 出版日期2019
• 单位贵州大学明德学院; 贵州大学; 新松机器人自动化股份有限公司