融合粒子群与蚁群算法的机器人路径规划

doi:10.3969/j.issn.1674-8425(z).2020.01.031

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (1): 235-241.doi: 10.3969/j.issn.1674-8425(z).2020.01.031

融合粒子群与蚁群算法的机器人路径规划

雷超帆，赵华东，江南

郑州大学机械工程学院，郑州４５０００

收稿日期:2019-01-10 发布日期:2020-02-16
作者简介:雷超帆，男，硕士研究生，主要从事工业物联网及机器人技术研究，Ｅｍａｉｌ：３２９６４１０４４＠ｑｑ．ｃｏｍ；赵华东，男，博士，副教授，主要从事工业物联网及微机电技术研究。
基金资助:
国家工信部２０１７年智能制造综合标准化与新模式应用项目

Received:2019-01-10 Published:2020-02-16

摘要/Abstract

摘要： 针对蚁群算法在进行路径规划时存在收敛速度慢、寻优结果差、搜索不全面等问题，提出了一种融合粒子群与蚁群算法的路径规划算法，改变按照经验选取的惯常模式，利用粒子群算法对蚁群算法的参数进行优化。建立栅格地图，设置算法禁忌表，将蚁群算法搜索路径时的重要参数作为粒子群的位置信息，设计粒子群算法的适应值评价函数，引导粒子朝着评价指数高的方向收敛，运行蚁群算法求解机器人路径规划问题。仿真结果表明：该方法能改善蚁群算法的综合性能，实现机器人路径的快速规划。

关键词: 移动机器人, 路径规划, 蚁群算法, 粒子群算法, 参数优化, 栅格法

中图分类号:

ＴＨ１６

雷超帆，赵华东，江南. 融合粒子群与蚁群算法的机器人路径规划[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 235-241.

[1]	刘贞１，白璐２，汤雪松３，何曦３，杨弦３，邱建平３. 配电网检修方案优化模型及应用研究[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 196-202.
[2]	张先华a, 李政a, 谭小慧a, 王康b. 基于灰色马尔科夫的地铁火灾逃生最优路径规划及3D模拟[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 118-123.
[3]	. 基于改进粒子群和变步长扰动的复合MPPT算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 207-213.
[4]	. 基于改进混沌理论的网络舆情短期预测策略方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 171-176.
[5]	. 基于汉明距离与免疫思想的粒子群算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 122-127.
[6]	. 基于伪谱拼接法的自动泊车路径规划[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 26-31.
[7]	. 基于时间的多机器人协调避碰算法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(3): 91-97.
[8]	赵欣洋１，刘志远１，王化玲２，晁战云３，初洪波３. 基于多幂次趋近律的驱鸟机器人路径跟踪控制研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 82-88.
[9]	俆乔王，胡红萍，白艳萍，王建中. 基于ＭＥＡ＿ＳＶＭ空气质量指数预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 150-155.
[10]	孙汉卿１，张世杰２，王桂芝１，连卫民. ＰＭＳＭ中基于改进ＢＦＯ算法的无传感器速度控制方案[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 214-221.
[11]	. 应用改进蚁群算法的月壤采样试验机构运动学优化[J]. 重庆理工大学学报（自然科学）, 2018, 32(9): -.
[12]	. 基于改进ＡＷＡ*算法的智能车辆全局路径规划研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(8): -.
[13]	. 灵巧机械手变负载误差控制与优化[J]. 重庆理工大学学报（自然科学）, 2018, 32(8): -.
[14]	. 基于ＲＯＳ的机器人室内巡检技术仿真[J]. 重庆理工大学学报（自然科学）, 2018, 32(7): -.
[15]	. 运用ｉＢｅａｃｏｎ技术的室内导航系统的设计与实现[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.

融合粒子群与蚁群算法的机器人路径规划

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10