基于势场导向的对数蚁群算法的移动机器人路径规划

胡章芳，罗 磊，吕元元，罗 元

(重庆邮电大学 光电工程学院，重庆 400065)

0 引 言

路径规划是移动机器人自主导航系统中具有重要意义的研究课题。路径规划方法可分为全局路径规划和局部路径规划。蚁群优化(ant colony optimization，ACO)算法是一种典型的全局路径规划算法[1-2]，如果静态环境中存在路径，总能通过它的启发函数找到一条通向目标的最优路径。由于蚁群算法路径规划是边探索边前进的过程，所以该路径规划算法计算上既复杂又缓慢[3]。文献[4]提出了一种借鉴狼群分配原则对蚁群信息素进行更新的算法，避免搜索陷入局部最优。文献[5]提出了一种新的动态搜索诱导算子来提高蚁群算法的性能，但是该算法初期需要设定较大阈值，不利于算法收敛，无法快速得到最优解。文献[6]提出了简化A*算法来优化初始信息素设置以达到加快蚁群算法收敛速度的目的，但是在环境地图改变时，无法对路径进行及时调整。文献[7]提出了一种结合粒子群算法的改进蚁群算法，通过粒子群优化(particle swarm optimization，PSO)算法对蚁群算法关键参数的启发，使得机器人在运动过程中选择避免与障碍物碰撞的最优路径。此外，人工势场(artificial potential field，APF)算法[8]是最常用的局部路径规划方法之一，它具有计算速度快，使用方便等优点。但是，人工势场算法也存在局部最优问题，当局部最优问题发生时，机器人可能被困在与目标无关的另一个位置。在APF被Knatib[9]第一次提出之后，研究者们尝试各种方法解决局部最优问题。文献[10]介绍了一种基于APF的移动机器人导航方法。……