基于变步长蚁群算法的移动机器人路径规划

徐玉琼，娄柯，李志锟

（1. 广州大学松田学院 电气与汽车工程系，广东 广州 511370; 2. 高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000; 3. 安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000）

在移动机器人领域，路径规划技术一直都是重要研究内容，其任务是在地图环境中为移动机器人从起点至终点避开障碍物而规划出的最优路径。目前国内外学者针对路径规划技术做了诸多研究，并取得相应成果，常用的传统路径规划算法有遗传算法、模拟退火算法、人工势场法、A*算法[1]等。随着人工智能技术的高速发展，群智能算法在路径规划技术中得到广泛应用和发展，如人工鱼群算法、蜂群算法、蚁群算法[2-4]、蛙跳算法等，人工鱼群算法是一种擅长随机搜索的算法，其算法原理简单，对初始值要求较低，但在算法后期存在收敛速率缓慢、计算结果不够精确。蜂群算法作为模仿蜜蜂行为提出的启发式算法，通过对单一的蜜蜂进行局部寻优，突出全局最优值，容易陷入局部最优，其算法鲁棒性不强。传统的群智能算法已经无法满足移动机器人在复杂环境下进行路径规划，因此，大量学者通过对传统的群智能算法进行改进，如多策略人工鱼群算法[5-7]、双层蚁群算法[8]、启发机制下的蚁群算法[9]等。改进的群智能算法已经明显提高复杂环境下移动机器人的路径规划[10-15]能力。

蚁群算法作为启发式全局优化算法是由意大利学者Dorigo在1992年提出，该算法得益于采用正反馈机制，收敛性能大幅提升，通过分布式计算方式进行搜索以及不同个体同时并行计算，提高了该算法的运算效率以及计算能力，但仍存在收敛速度慢以及死锁问题。……