具有感觉适应功能蚁群算法的机器人路径规划.pdf

《具有感觉适应功能蚁群算法的机器人路径规划.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2010，46（31）215具有感觉适应功能蚁群算法的机器人路径规划11，2蔡文彬，朱庆保11，2CAIWen-bin，ZHUQing-bao1.南京师范大学计算机科学与技术学院，南京2100972.江苏省信息安全保密技术工程研究中心，南京2100971.SchoolofComputerScienceandTechnology，NanjingNormalUniversity，Nanjing210097，China2.JiangsuResearchCenterofInformationSecurit

2、yandConfidentialEngineering，Nanjing210097，ChinaE-mail：caiwenbin20081224@163.comCAIWen-bin，ZHUQing-bao.Algorithmforrobotpathplanningbasedonantcolonywithcharacteristicofsensoryadaptation.ComputerEngineeringandApplications，2010，46（31）：215-218.Abstract：Therearesomedisadvantageswhenusingtraditiona

3、lantcolonyalgorithmtosolvepathplanningproblemssuchasslowconvergencespeed，easilyplungingintoalocaloptimumandsoon.Therefore，anewantcolonyalgorithmwithchar-acteristicofsensoryadaptationforpathplanningwhichsimulatestheants’behavioraccordingtothelawsofsensationispresented.Inthisalgorithm，theants’s

4、ensorycapacityisreducingwhenwalkingonthehigh-intensitypheromonenodes，thus，thealgorithmcannotonlykeepthefastconvergencespeedbutalsoensurethediversesearch.Theresultsofsimulationsdemonstratethatthisalgorithmhasastrongsearchabilityandalowpossibilitytoplungeintoalocaloptimum，thebestpathcanalsobefo

5、undinashorttimeeveninacomplexenvironment.Keywords：robot；pathplanning；antcolonyalgorithm；sensoryadaptation摘要：用传统蚁群算法进行机器人路径规划具有收敛速度慢，容易陷入局部最优等缺点。为此，通过模拟蚂蚁的感觉特征，提出了一种具有感觉适应功能的蚁群算法，并应用到机器人路径规划中。算法设置蚂蚁的感觉能力随着在高强度信息素节点上的行走而降低，在快速收敛的同时保证搜索多样性。大量仿真实验表明，该算法有较强的搜索能力，不易陷入局部最优，即使在障碍非常复杂的环境下使用该算法，也能快速收敛到

6、一条全局优化路径。关键词：机器人；路径规划；蚁群算法；感觉适应DOI：10.3778/j.issn.1002-8331.2010.31.060文章编号：1002-8331（2010）31-0215-04文献标识码：Ａ中图分类号：TP2421引言有待解决的问题。移动机器人路径规划是指在有障碍物的工作环境中，寻另一方面，在20世纪90年代，意大利学者Dorigo等人从找一条从给定起点到终点较优的运动路径，以使机器人在运生物进化的机理中受到启发，通过模拟自然界蚂蚁寻食的行为，提出了一种全新的模拟进化算法：蚁群算法[4]。该算法具动过程中能安全、无碰撞地饶过所有的障碍物。当机器人具备全局

7、环境信息时，可用一次性的全局规划来获得一条自起有并行性、鲁棒性的特点，有很强的发现较好解的能力，已成点到终点的安全路径，并能对运动过程中的某些性能指标进功地运用于解决组合优化问题。已有学者将蚁群算法用于机[1]器人路径规划问题[5]，但存在搜索时间长、求解速度慢、容易陷行优化。这方面的研究已有广泛的报道，如遗传算法、随机树算法[2]、人工势场法[3]等。但这些算法都不同程度地存在一入局部最优的缺点。近几年来很多学者针对机器人路径规划些不足。例如，遗传算法编码长度范围大，特别是在障