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

1、智能移動機(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、計算機(jī)、自動控制以及人工智能等范疇的最新研究成果，代表當(dāng)前時代機(jī)電一體化的最高成就。在與移動機(jī)器人相關(guān)的技術(shù)研究中，路徑規(guī)劃技術(shù)已經(jīng)成為一個重要研究領(lǐng)域。
　　路徑規(guī)劃的重點任務(wù)是在具有確定性或者不確定性的障礙物空間內(nèi)，按照一定的評價標(biāo)準(zhǔn)，搜尋到可以便移動機(jī)器人從起始點順利到達(dá)目標(biāo)點的平滑無碰路徑。本文在確定障礙物空間后，分別對粒子群算法與蟻群算法進(jìn)行改進(jìn)，并

2、將其融合，運用此算法作為全局路徑規(guī)劃的評價標(biāo)準(zhǔn)，計算出最優(yōu)路徑。本文具體包括以下內(nèi)容:
　　首先，介紹了智能移動機(jī)器人路徑規(guī)劃技術(shù)的背景和發(fā)展現(xiàn)狀，同時簡要的對粒子群算法和蟻群算法進(jìn)行介紹，對兩種各自的原理進(jìn)行分析。針對粒子群算法搜索不均勻的問題進(jìn)行改進(jìn)，給出了新的位置更新公式。而對于蟻群算法，主要針對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)解的過程，而適當(dāng)改變信息素濃度對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信息素播撒規(guī)則對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)在國內(nèi)外已經(jīng)有過廣泛研究，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，但是本文所提出融合時的信息素播撒規(guī)則卻尚屬首次。對較優(yōu)路

4、線的信息素濃度播撒，也即賦予初值過程，可有效的對后續(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。通過記錄各算法所求取的最短路徑、所有路線、平均路徑長度和所用時間等指標(biāo)，來對比分析算法的性能。經(jīng)過試驗仿真和指標(biāo)計算，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)用于實物平臺，應(yīng)用PIONEER3DX智能移動機(jī)器人驗證算法在實物環(huán)境中的有效性。通過實物平臺的試驗可以得出，改進(jìn)粒子群蟻群算法可以很好地應(yīng)用于智能移動機(jī)器人的路徑規(guī)劃問題，提高機(jī)器人求解最優(yōu)路徑的能力，為未來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