基于离子运动-人工蜂群算法的移动机器人路径规划

魏 博，杨 茸，舒思豪，万 勇，苗建国

（1.重庆邮电大学先进制造工程学院，重庆 400064；2.四川大学空天科学与工程学院，成都 610065）

（*通信作者电子邮箱jianguomiao1992@163.com）

0 引言

路径规划是轮式移动机器人导航的核心技术之一，是指在具有障碍物环境下给定机器人起始点与目标点后，按照特定的评价标准为机器人提供一条安全、高效的运动路径，其评价标准通常有：最短行程、最短时间、最少能量等［1］，而传统的路径规划方法有人工势场法、图搜索法、栅格解耦法等［2-3］。近些年国内外学者对路径规划方法做了大量的研究，提出了众多优秀的群智能算法：如粒子群优化（Partical Swarm Optimization，PSO）算法、蚁群优化（Ant Colony Optimization，ACO）算法、烟花-蚁群融合算法（Fireworks-Ant Colony Algorithm，FA-ACA）等［4-7］，这些方法极大地提高了路径规划性能，但同时也有一定的局限性，比如易陷入局部最优、运算时间长、求解复杂等。

人工蜂群（Artificial Bee Colony，ABC）算法是Karaboga［8］受蜜蜂觅食启发提出的群体智能进化算法，该算法模拟了蜜蜂采蜜相互协作转换来指引搜索。标准的ABC 算法具有收敛速度快、寻优能力强、实现简单等优点，但同时也存在后期收敛速度过快导致局部最优、平衡能力差、精度相对较低等缺点。为了加快算法收敛，文献［9］中在ABC 算法初始化阶段引入了随机因子，并应用于多机器人路径规划；文献［10］中在机器人路径规划中应用了一种改进的ABC 算法，该改进算法在引领蜂搜索阶段引入了一组随机向量并添加了当前最优值，再进一步利用Bezier 曲线把路径规划问题转化成求极值点问题；文献［11］中对ABC 算法的侦察蜂搜索阶段进行改进，应用反向学习策略解决了种群多样性差和收敛速度慢等问题；……