基于改进ACS 算法的移动机器人路径规划研究

马小陆，梅宏，龚瑞，王兵，吴紫恒

（1.安徽工业大学 电气与信息工程学院，安徽 马鞍山 243032；2.特种重载机器人安徽省重点实验室，安徽 马鞍山 243032）

路径规划问题是移动机器人研究的重点对象之一，是指移动机器人依据现有信息规划出一条从起始位置安全到达目标位置，且满足各项性能指标的完整路径[1].近年来，国内外学者对路径规划问题进行了大量的研究，并取得了一定的成果.传统路径规划算法有Dijkstra 算法[2]、A*算法[3]、人工势场法[4]等，随着移动机器人工作空间复杂度的提升，逐渐涌现出一系列的智能仿生算法，如遗传算法[5]、粒子群算法[6]、人工蜂群算法[7]等.

蚂蚁系统（Ant System，AS）是由Dorigo 等[8]提出的一种模拟自然界中蚂蚁觅食行为的仿生算法.虽然AS 算法已经能够有效解决移动机器人路径规划问题，但是依旧存在收敛速度慢、易陷入局部最优等问题，因此，Dorigo 等[9]于1997 年提出了蚁群系统（Ant Colony System，ACS）.ACS 算法具有并行性、强鲁棒、易实现等优点，可以有效解决移动机器人路径规划问题，但是ACS 算法仍存在寻路速度慢、易陷入局部最优、路径不平滑等问题.针对上述问题，国内外学者提出了多种优化方法.文献[10]引入了蚁周模型更新信息素，提高了蚁群搜索效率，降低局部最优概率；文献[11]提出了一种A*算法和ACS 算法的融合算法，加快了算法的收敛速度，提高了最优路径的质量；文献[12]引入了信息素阈值，提高了算法的全局搜索能力，增加了最优路径的多样性；文献[13]提出了一种自适应启发函数，提高……