首页|机器人导航路径的动态分级蚁群算法规划策略

机器人导航路径的动态分级蚁群算法规划策略

Robot Navigation Path Planning Strategy Based on Dynamic Hierarchical Ant Colony Algorithm

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法.建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法.经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12％,平均运行时间减少了32.33％,充分证明了动态分级蚁群算法在路径规划中的有效性.

王槐彬、彭雪、周诗源、夏小云

展开 >

广东交通职业技术学院,广东 广州 510650

广东技术师范大学,广东 广州 510665

嘉兴学院,浙江 嘉兴 314001

移动机器人 全局路径规划 蜂巢栅格模型 动态分级蚁群算法

广东省教育厅特色创新项目浙江省公益技术应用研究计划项目

2018KTSCX125LGG9F030010

2020

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2020.(6)
  • 6
  • 8