刘胜,晏齐忠,张志鑫,张豪,申永鹏
LIU Sheng,YAN Qizhong,ZHANG Zhixin,ZHANG Hao,SHEN Yongpeng

• 1:郑州轻工业大学电气信息工程学院

摘要(Abstract)：

针对机器人路径规划的传统ACO(蚁群)算法存在迭代次数多、收敛速度慢、容易陷入局部最优和出现死锁状态等问题,提出一种改进的ACO算法。结合PSO(粒子群优化)算法对传统ACO算法进行改进,减少迭代次数,提高收敛速度;通过增加随机性来扩大搜索范围,避免局部最优;利用蚂蚁回退策略解决死锁状态问题。仿真实验结果表明:改进ACO算法可以快速准确地搜索到最优路径,具有很好的寻优与避障能力。
In view of the problems of traditional ACO(ant colony optimization) of robot path planning, such as multiple iterations, slow rate of convergence, proneness to local optimum and deadlock state, an improved ACO is proposed. Combined with PSO(particle swarm optimization), the traditional ACO is improved to reduce the iterations and improve the rate of convergence. By randomness increase, the search scope is expanded to avoid local optimum. The ant fallback strategy is used to solve the deadlock state problem. The simulation results show that the improved ACO can quickly and accurately obtain the optimal path, and has good performance in optimization and obstacle avoidance.

关键词(KeyWords)： 栅格法;ACO算法;PSO算法;路径规划
raster method;ACO;PSO;path planning

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年项目（61803345）;; 河南省科技攻关项目（202102210303）

作者(Author): 刘胜,晏齐忠,张志鑫,张豪,申永鹏
LIU Sheng,YAN Qizhong,ZHANG Zhixin,ZHANG Hao,SHEN Yongpeng

DOI: 10.19585/j.zjdl.202101005

参考文献(References)：

• [1]薛阳，俞志程，吴海东，等.基于IACO-ABC算法的变电站巡检机器人路径规划[J].浙江电力，2019,38(11):10-15.
• [2]陈瑶，陈阿莲，李向东，陈伟.变电站智能巡检机器人全局路径规划设计[J].山东科学，2015,28(1):114-119.
• [3]黎田.基于改进蚁群算法的移动机器人路径规划[D].西安：西安科技大学，2011.
• [4]周婷.基于改进蚁群算法的移动机器人路径规划及实现[D].长沙：中南大学，2010.
• [5]GUO J,DIAO W.An improved and colony optimza-tion algorithm with crossover operator[J].Open Mechanical Engineering Journal,2014,8(1):96-100.
• [6]刘杰，闫清东，马越，等.基于蚁群几何优化算法的全局路径规划[J].东北大学学报（自然科学版），2015,36(7):923-928.
• [7]陈雄，袁杨.一种机器人路径规划的蚁群算法[J].系统工程与电子技术，2008(5):952-955.
• [8]罗显跃，高吉普，龙征，等.一种巡检机器人智能路径规划方法[J].湖南科技大学学报（自然科学版），2018,33(4):75-82.
• [9]杨建勋.一种改进的蚁群算法在机器人路径规划中的应用[J].科技通报，2012,28(12):208-212.
• [10]马立肖，才秀凤，赵占芳，等.蚁群系统模型的比较及参数优化[J].电脑知识与技术，2007(5):1324-1325.
• [11]王红艳.基于粒子群算法的物流路径优化方法研究[J].电子设计工程，2020,28(17):61-65.
• [12]杲飞，颜德文.基于粒子群算法和航行规则的分步多船避碰路径规划[J].现代电子技术，2020,43(2):106-109.
• [13]生力军.基于量子粒子群算法的物流配送中心选址[J].科学技术与工程，2019,19(11):183-187.
• [14]杨天宇，薛阳，张亚飞.基于蚁群-粒子群算法的巡检机器人路径规划[J].现代计算机（专业版），2017(29):48-51.
• [15]黄博，曾驰宇，王全胜，等.一种求解电力系统无功优化的改进粒子群算法[J].电工技术，2020(12):107-109.
• [16]姜文波.蚁群算法局部最优解决机制的探讨[J].智能计算机与应用，2014,4(3):53-54.
• [17]李雪，金昕，郑先鹏.改进蚁群算法在移动机器人轨迹规划中的应用研究[J].赤峰学院学报（自然科学版），2019,35(11):103-106.
• [18]张广林，胡小梅，柴剑飞，等.路径规划算法及其应用综述[J].现代机械，2011(5):85-90.
• [19]陈杰.基于蚁群算法的机器人路径规划研究[D].南京：南京理工大学，2009.
• [20]牛治永，李炎，李晓岚.基于改进蚁群算法的机器人路径规划[J].自动化技术与应用，2011,30(7):1-4.
• [21]徐瑾.基于改进蚁群算法的移动机器人路径规划研究[D].北京：华北电力大学，2017.
• [22]谢晓娜，刘曦，常政威，等.电力机器人的自主导航与视觉辅助定位融合方法[J].四川电力技术，2020,43(3):48-52.
• [23]薛阳，俞志程，吴海东，等.基于IACO-ABC算法的变电站巡检机器人路径规划[J].浙江电力，2019,38(11):10-15.
• [24]谢林枫，蒋超，孙秋芹，等.基于AMC算法的变电站巡检机器人地图创建与定位[J].电力工程技术，2019,38(5):16-23.