基于改進(jìn)粒子群蟻群融合算法的智能移動(dòng)機(jī)器人路徑規(guī)劃研究.pdf

1、智能移動(dòng)機(jī)器人是機(jī)器人研究領(lǐng)域中的重要內(nèi)容，集中了多學(xué)科包括機(jī)械、電子、計(jì)算機(jī)、自動(dòng)控制以及人工智能等范疇的最新研究成果，代表當(dāng)前時(shí)代機(jī)電一體化的最高成就。在與移動(dòng)機(jī)器人相關(guān)的技術(shù)研究中，路徑規(guī)劃技術(shù)已經(jīng)成為一個(gè)重要研究領(lǐng)域。
　　路徑規(guī)劃的重點(diǎn)任務(wù)是在具有確定性或者不確定性的障礙物空間內(nèi)，按照一定的評(píng)價(jià)標(biāo)準(zhǔn)，搜尋到可以便移動(dòng)機(jī)器人從起始點(diǎn)順利到達(dá)目標(biāo)點(diǎn)的平滑無(wú)碰路徑。本文在確定障礙物空間后，分別對(duì)粒子群算法與蟻群算法進(jìn)行改進(jìn)，并

2、將其融合，運(yùn)用此算法作為全局路徑規(guī)劃的評(píng)價(jià)標(biāo)準(zhǔn)，計(jì)算出最優(yōu)路徑。本文具體包括以下內(nèi)容:
　　首先，介紹了智能移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)的背景和發(fā)展現(xiàn)狀，同時(shí)簡(jiǎn)要的對(duì)粒子群算法和蟻群算法進(jìn)行介紹，對(duì)兩種各自的原理進(jìn)行分析。針對(duì)粒子群算法搜索不均勻的問(wèn)題進(jìn)行改進(jìn)，給出了新的位置更新公式。而對(duì)于蟻群算法，主要針對(duì)其不能隨著搜索的不斷深入和獲得的解逐漸趨近于最優(yōu)解的過(guò)程，而適當(dāng)改變信息素濃度對(duì)蟻群的影響程度的不足，在局部信息素更新規(guī)則、全局信

3、息素更新規(guī)則以及路徑濃度值區(qū)間等三方面進(jìn)行了改進(jìn)。
　　其次，將改進(jìn)后的兩種算法進(jìn)行融合，主要過(guò)程為先應(yīng)用改進(jìn)后的粒子群算法在障礙物環(huán)境中獲得一條較優(yōu)的可行路線，利用本文提出的融合時(shí)信息素播撒規(guī)則對(duì)該路線所在路徑賦予初值，最后采用改進(jìn)的蟻群算法求取最優(yōu)解。雖然基于粒子群算法或者基于蟻群算法的路徑規(guī)劃技術(shù)在國(guó)內(nèi)外已經(jīng)有過(guò)廣泛研究，將兩種算法進(jìn)行融合的路徑規(guī)劃文章也有前人發(fā)表過(guò)，但是本文所提出融合時(shí)的信息素播撒規(guī)則卻尚屬首次。對(duì)較優(yōu)路

4、線的信息素濃度播撒，也即賦予初值過(guò)程，可有效的對(duì)后續(xù)蟻群做出引導(dǎo)，使算法的收斂速度加快，且求解精度提高。
　　再者，在MATLAB環(huán)境下，生成不同的障礙物環(huán)境，進(jìn)行三組仿真對(duì)比，分別為基本粒子群算法、改進(jìn)粒子群算法和融合算法，基本蟻群算法、改進(jìn)蟻群算法和融合算法，以及改進(jìn)粒子群算法、改進(jìn)蟻群和融合算法。通過(guò)記錄各算法所求取的最短路徑、所有路線、平均路徑長(zhǎng)度和所用時(shí)間等指標(biāo)，來(lái)對(duì)比分析算法的性能。經(jīng)過(guò)試驗(yàn)仿真和指標(biāo)計(jì)算，可得改進(jìn)后的

5、粒子群算法和蟻群算法都較改進(jìn)前提升了求解精度，且融合算法在五種算法中求解精度最高，收斂速度最快。
　　再次，本文也首次將粒子群蟻群融合算法應(yīng)用于實(shí)物平臺(tái)，應(yīng)用PIONEER3DX智能移動(dòng)機(jī)器人驗(yàn)證算法在實(shí)物環(huán)境中的有效性。通過(guò)實(shí)物平臺(tái)的試驗(yàn)可以得出，改進(jìn)粒子群蟻群算法可以很好地應(yīng)用于智能移動(dòng)機(jī)器人的路徑規(guī)劃問(wèn)題，提高機(jī)器人求解最優(yōu)路徑的能力，為未來(lái)探索并研究更有效的全局或局部路徑規(guī)劃方法提供依據(jù)。
　　最后給出全文的總結(jié)并對(duì)