首页|蜂巢栅格下机器人导航路径的动态分组蚁群规划

蜂巢栅格下机器人导航路径的动态分组蚁群规划

Robot Navigation Path Planning Under Honeycomb Grid Based on Dynamic Grouping Ant Colony Algorithm

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了减少机器人导航路径的长度和算法运行时间,同时提高算法规划稳定性,提出了蜂巢栅格环境下的动态分组蚁群算法规划方法.分析了方形栅格四叉树和八叉树工作模式的弊端,提出了改进蜂巢栅格的环境建模方法,蜂巢栅格避障时的有效路径比、安全性、转弯角大小、对圆形障碍物覆盖的有效面积比等多个角度均优于传统栅格.参考猫群算法的分群思想将蚁群分为跟踪蚁和搜索蚁,提出了动态分组蚁群策略和信息素的自适应扩散策略,从而给出了动态分组蚁群算法的执行步骤.经过算法的多样性和规划性能仿真分析,动态分组蚁群算法的路径多样性在迭代过程中保持较高水平,在相同环境下动态分组蚁群算法规划的最优路径长度比ACS蚁群算法减少了9.99％,搜索到最优路径时的迭代次数远远小于ACS蚁群算法,且从最优路径长度和迭代次数标准差看,动态分组蚁群算法稳定性好于ACS蚁群算法.

李海、杨小柳、徐凌桦

展开 >

中山职业技术学院机电工程学院,广东 中山 528404

贵州大学电气工程学院,贵州 贵阳 550025

移动机器人 导航路径规划 改进蜂巢栅格 动态分组蚁群算法 信息素自适应扩散

贵州省科技厅联合基金

黔科合LH字[2017]7228

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.(8)
  • 3
  • 7