基于进化蚁群算法的移动机器人路径优化
作者:
作者单位:

南京信息工程大学

作者简介:

通讯作者:

中图分类号:

TP242

基金项目:

国家自然科学基金项目(面上项目,重点项目,重大项目)


Path optimization for mobile robot based on evolutionary ant colony algorithm
Author:
Affiliation:

Nanjing University of Information Science and Technology

Fund Project:

The National Natural Science Foundation of China (General Program, Key Program, Major Research Plan)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对蚁群算法进行路径规划中出现的运行时间长,搜索效率低和容易出现死锁问题,本文提出了一种 基于达尔文进化论思想的蚁群算法。首先,针对在空白栅格中出现的搜索效率低的问题,提出了一种蚁群算法 简易模式;其次为了提高算法的全局搜索能力,避免陷入死锁,在启发函数中引入目标影响因子和障碍物影响 因子;最后利用达尔文的进化论改进蚁群算法的信息素更新规则用于加快算法的迭代速度, 缩小运行时间。在 不同规模的栅格地图环境下的实验表明:本文提出的进化蚁群算法加快了迭代速度,提高了搜索效率,实现了 最优路径并且避免了算法死锁问题。

    Abstract:

    In order to solve the problems of long running time, low searching efficiency and frequent deadlock in the path planning of ant colony algorithm, this paper proposes an ant colony algorithm based on Darwin’s theory of evolution. Firstly, a simple mode of ant colony algorithm is proposed to solve the problem of blind search in blank grid;secondly, in order to improve the global search ability of the algorithm and avoid falling into deadlock, the target influence factor and obstacle influence factor are introduced into the heuristic function; finally, the pheromone updating rules of ant colony algorithm are improved by using Darwin’s theory of evolution to accelerate the iteration speed and shorten the running time of the algorithm. Experiments on raster maps of different scales show that the evolutionary ant colony algorithm proposed in this paper speeds up the iteration speed, improves the search efficiency, achieves the optimal path and avoids the deadlock problem.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-07-29
  • 最后修改日期:2021-12-30
  • 录用日期:2022-01-12
  • 在线发布日期: 2022-02-01
  • 出版日期: