关键词:
机器人
路径规划
蚁群算法
启发函数
三次B样条曲线
摘要:
针对蚁群算法在求解机器人路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出了一种改进的蚁群算法。首先,建立了一种趋向启发函数,使得待选节点更趋于起点和终点的连线,对于避免局部最优起到一定的作用,在此基础上引入柯西分布函数,不断削弱趋向启发函数的影响效果,提高了算法后期的全局搜索能力;其次,改进了距离启发函数,综合考虑待选节点和起点以及待选节点和终点之间的距离关系,加快了算法的收敛速度;再次,提出了一种根据迭代次数动态调整的信息素挥发因子,不断减小信息素挥发因子直至合适的大小,增强了全局搜索能力;最后,采用三次B样条曲线进行路径平滑处理,平滑了路径,缩短了路径长度。仿真结果表明:改进后的算法相比传统算法,收敛时间减小了3%,最短路径长度缩短了12%,收敛迭代次数减少了76%。改进后的算法较传统算法最小路径长度更短,收敛速度更快,路径也更加平滑,证明了改进后的算法在解决收敛速度慢、容易陷入局部最优等问题上的有效性。