论文部分内容阅读
路径规划技术是目前众多应用技术领域的研究热点,具有重要的科研价值和广阔的应用前景。路径规划技术的核心内容就是规划算法。目前求解路径规划问题的方法主要有A*算法、粒子群算法、遗传算法、蚁群算法等智能算法。粒子群和蚁群算法分别是模拟鸟群和蚁群觅食行为的仿生算法。将两种算法用于路径规划领域,是近年来国内外学者研究的热点并取得了显著的成果。证明了其良好的应用性能。粒子群优化算法是一种新的随机搜索算法,具有很强的全局搜索能力,快速简洁但是易陷入局部最优;而蚁群算法具有并行性、正反馈性、求解精度高、收敛速度慢等特点。针对上述问题,具体改进策略如下:(1)针对复杂环境下移动机器人全局路径规划问题,提出了一种的增强蚁群优化算法。该算法通过改进信息素初始化和状态转移概率,避免了路径死锁;采用确定性与随机性相结合的路径点搜索策略改善了迂回曲折现象;利用路径平滑操作,增强了路径的连续性;引入局部信息素扩散机制,提高了算法的全局优化能力。仿真结果表明:当环境中障碍物分布密集或存在大量的凹形区域时,新算法能有效地规划出较为理想的安全路径,规划时间可满足实际应用要求。(2)根据粒子群算法快速、简洁的优点得到蚁群算法初始信息素分布,然后利用蚁群算法所具有的优点,如正反馈性、并行性、求解精度高等,规划出全局最优路径。利用C++的多线程特性在Visual C++6.0开发实验仿真平台,利用该仿真平台对粒子群算法、增强蚁群算法和粒子群蚁群融合算法进行仿真测试,并对其进行性能分析。仿真实验分析表明,粒子群蚁群融合算法在时间性能方面优于增强蚁群算法,在解的质量上优于粒子群算法,表明了改进策略的有效性和实用性。