融合遗传算法与蚁群算法的机器人路径规划

虞馥泽，潘大志,2

(1.西华师范大学 数学与信息学院，四川 南充 637009；2.西华师范大学 计算方法与应用研究所，四川 南充 637009)

0 引 言

路径规划是指在有障碍物的环境中，依据一些标准搜索一条由起点到目标点的安全无碰撞路径。常用路径规划算法大致可分为：传统算法、图形学法、智能仿生学法及其他算法。传统算法有人工势场法[1]、模糊控制算法[2]等。图形学法有C空间法[3]、栅格法[4]等。智能仿生学算法有模拟退火算法[5]、蚁群算法[6]、粒子群算法[7]、遗传算法[8]等。

蚁群算法是Marco Dorigo受蚂蚁觅食启发，于1992年提出的一种仿生算法[9]。为解决蚁群算法在路径规划上的不足，研究人员提出了对它的各种改进。牛龙辉等[10]提出的一种自适应蚁群算法，引入自适应信息素挥发系数，能较好地提高算法收敛速度，但是对于路径平滑性的改进不够；胡春阳等[11]利用头尾搜索机制以及遗传算法对改进后的蚁群算法进行参数优化、引入奖惩因子以及多指标适应度函数，对避免局部最优和收敛速度方面有很大改进；甄然等[12]提出的自适应多态融合蚁群策略，在多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，以提高算法全局寻优能力；赵静等[13]通过改进启发函数和信息素挥发因子以提升其全局搜寻能力；韩颜等[14]是根据粒子群算法最优解调整路径上初始信息素分布，解决蚁群算法中初始信息素缺乏的问题，并且利用简化操作优化路径，优化后的路径距离短且相对平滑，但是对于局部路径平滑性的改进依旧不足。……