唐宏伟;罗佳强;

针对传统蚁群算法在机器人路径规划中路径不是最短距离、运行时间长以及收敛速度慢等问题，提出多邻域蚁群算法(multi-neighborhood ant colony algorithm, ACO-MN)。为了解决路径不是最短距离的问题，引入多邻域搜索，使得搜索邻域扩大，机器人的路径距离减小；为了解决运行时间长的问题，在快速判断的基础上运用象限概率和象限概率控制参数，使得算法运行加快；为了解决收敛速度慢的问题，结合步长和邻域夹角改进启发函数，使得算法在后期的收敛速度加快。最后，在不同大小、不同复杂程度的栅格地图下，将ACO-MN与传统蚁群算法和其他改进算法进行仿真对比实验。实验表明，在小规模简单环境下ACO-MN的收敛速度相比于传统蚁群算法加快了76.19%,在大规模复杂环境下ACO-MN的运行时间相比于其他改进算法缩短了49.84%,最短路径缩短了5.6%,验证了该算法的有效性和优越性。

2024年03期 v.21;No.97 1-10页 [查看摘要][在线阅读][下载 707K]