09 基于栅格模型与改进蚁群算法的机器人路径规划研究

王影;梁凯;于攀;刘麒;

• 1:吉林化工学院信息与控制工程学院

• 2:科世达(长春)汽车电器有限公司设备制造部

•  

摘要(Abstract)：

针对传统的机器人路径规划算法存在搜索空间大、局部最优、效率低等问题,首先在机器人的工作环境建立栅格环境模型,然后对传统的蚁群算法进行信息素浓度限制、信息素浓度更新方式改进、状态转移规则的改进,然后运用栅格法与改进的蚁群算法相结合的方法,寻找最优路径.结果表明:这一方法经过很短的迭代,得出所建模型路径规划的最短路径,有效解决机器人路径规划的有效性和准确性低的问题,改善机器人路径规划的总体性能.

关键词(KeyWords)： 机器人路径规划;栅格模型;蚁群算法;最优路径

基金项目(Foundation): 吉林市科技创新发展计划基金资助项目(JLS201750244);; 吉林化工学院重大科技基金资助项目(JH2018017)

作者(Author): 王影;梁凯;于攀;刘麒;

Email:

参考文献(References)：

• [1]王保红．移动机器人路径规划方法的研究与展望[J]．沈阳工程学院学报(自然科学版)，2011,7(4):348-351.

• [2]张晨，游晓明．基于栅格模型机器人路径规划的量子蚁群算法[J]．电子科技，2016,29(7):1-3+7.

• [3]于振中，闫继宏，赵杰，等．改进人工势场法的移动机器人路径规划[J]．哈尔滨工业大学学报，2011,43(1):50-55.

• [4]王耀南，潘琪，陈彦杰．改进型生物激励神经网络的路径规划方法[J]．控制工程，2018,25(4):541-548.

• [5]王淼弛．基于A*算法的移动机器人路径规划[D]．沈阳:沈阳工业大学，2017.

• [6]黎竹娟．人工蜂群算法在移动机器人路径规划中的应用[J]．计算机仿真，2012,29(12):247-250.

• [7]王慧，王光宇，潘德文．基于改进粒子群算法的移动机器人路径规划[J]．传感器与微系统，2017,36(5):77-79.

• [8]崔建军．基于遗传算法的移动机器人路径规划研究[D]．西安:西安科技大学，2010.

• [9]杨杰，贺利乐，李荣丽，等．基于改进势场栅格法的移动机器人路径规划[J]．煤矿机械，2012,33(8):74-76.

• [10]张银玲，牛小梅．蚁群算法在移动机器人路径规划中的仿真研究[J]．计算机仿真，2011,28(6):231-234.

• [11]占伟，屈军锁，芦鑫，等．基于改进蚁群算法的移动机器人全局路径规划[J]．现代电子技术，2018,41(24):170-173.

• [12]张成，凌有铸，陈孟元．改进蚁群算法求解移动机器人路径规划[J]．电子测量与仪器学报，2016,30(11):1758-1764.

• [13]李晓静，余东满．改进蚁群算法在果蔬采摘机器人路径规划中的应用[J]．江苏农业科学，2018,46(23):253-258.

• [14]赵开新，魏勇，王东署．改进蚁群算法在移动机器人路径规划中的研究[J]．计算机测量与控制，2014,22(11):3725-3727.