基于蚁群系统的机器人全局最优路径规划的研究与仿真

《基于蚁群系统的机器人全局最优路径规划的研究与仿真》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第37卷第5期计算机科学Vo1．37No．52010年5月ComputerScienceMay2010基于蚁群系统的机器人全局最优路径规划的研究与仿真周菁戴冠中蔡晓妍(西北工业大学自动化学院西安710072)摘要基于蚁群系统，以可见性图作为路线图，采用CAS(complexadaptivesystem)理论自底向上的建模思想，构造主动的、适应性的蚂蚁主体ant-agent，依靠多ant-agent之间的协同、合作去完成自主移动机器人的全局最优路径规划任务。在环境中演化着的ant—agent具有自身的内部结构和行动规则，多ant-agent聚集成人工蚁群，通过人工信

2、息素进行间接通信，涌现出了进行路径规划的群集智能。关键词蚁群系统，可见性图，复杂适应系统，全局路径规划，移动机器人ResearchandSimulatingofGlobalOptimalPathPlanningofMobileRobotBasedonAntColonySystemZHOUJingDAIGuan-zhongCMXiao-yan(CollegeofAutomation，NorthwesternPolytechniealUniversity，Xi’an710072，China)AbstractThepurposeofthispaperistOconstr

3、uctactive，adaptiveant-agentsbybottom-uprr~elingideasofCAStheo-ryandrelyonthecooperationbetweenthemtocompletethetaskofglobalpathplanningofautonomousmobilerobotbasedonantcolonysystemwhenusingvisibilitygraphasaroutemap．Theant—agentevolvingintheenvironmentinces—santlyhasitsowninternalstru

4、ctureandbehaviorrules．Multipleant-agentsgatheredintoanartificialantcolony，com—municatedinsideinthewayofstimergybypheromone，consequentlyemergedtheswarlTlintelligenceofpathplanning．KeywordsAntcolonysystem，Complexadaptivesystem，Globalpathplanning，Mobilerobot人工蚁群系统，依靠其涌现出的群集智能去完成机器人的全1引言局

5、最优路径规划任务。蚁群优化(antcolonyoptimize，ACO)是利用一群人工蚂2全局路径规划问题的描述蚁的协作去求解难解的离散优化问题的元启发式算法。蚂蚁系统(antsystem，AS)[1]是最早的蚁群优化算法，是大量蚁群全局路径规划的问题描述以及问题假设：(1)移动机器人算法的原型。蚁群系统(antcolonysystem，ACS)：是AS的在二维平面中运动，不考虑高度信息，范围限制在一个包围框扩展算法，用于改善AS的性能。其主要改进点如下：1)新的B中；(2)适当扩大障碍物的边缘[1，使得机器人可以用点来状态转移规则加强了对问题先验知识的利用；2)

6、全局信息素表示，即表示为点机器人规；(3)障碍物都为静态的，外形都是更新规则仅应用于至今最优蚂蚁构建的路径；3)局部信息素凸多边形，并且互不相交；(4)为纽找出由起点～通往终点更新规则应用于所有被蚂蚁访问过的边。在TSP试验平台p的一条最短无冲突路径。图1表示含有6个障碍物的路上，ACS是性能最好的AS扩展算法之一_l。径规划空间，障碍物集合表达为S，S一{P，P，⋯，Pe}。移动机器人路径规划是指在有障碍物的工作环境中，为机器人寻找一条从给定起点到终点的适当运动路径，使机器人在运动过程中能安全、无碰地绕过所有障碍物_3]。移动机器人的路径规划方法可分为基于地图／

7、路线图的全局路径规划和基于传感器的局部路径规划[4]。复杂适应系统CAS理论强调Agent的主动性，能够在与环境的交互中有目的、有方向地改变自己的行为和结构，以适应环境的要求_6]。CAS理论为人们控制复杂系统提供了新的思路0。先前工作[11143均是基于AS原型的路径规划方法，路径规划的路线图可以使用栅格嘲、连续域、链接图[]、连通图tilt]等。因此本文基于ACS，使用可见性图对规划空间建图1规划空间示意图模，采用CAS理论自底向上的建模思想，构造多ant-agent的到稿日期：2009—07一O1返修日期：2009—09—13周菁博士生，主要研究方向为计算智

8、能、网络与