一种融合卡尔曼滤波预测思想的适用于移动机器人导航的改进蚁群算法

摘要

本发明提供一种融合卡尔曼滤波预测思想的适用于移动机器人导航的改进蚁群算法，所述包括引入信息素初始分布规则初始化信息素全局分布，提高初始信息素启发作用；所述采用融合最优节点预测模型的复合型节点选择策略进行蚂蚁寻路过程中的节点选择，增大最优节点选择概率；所述采用融合卡尔曼滤波思想的预测信息素更新模型进行全局信息素浓度最优更新，根据迭代前后两次信息素数值进行最有融合和预测，增大信息素启发作用；所述采用动态更新方式进行蚁群算法节点概率公式中的信息素权重因子和启发信息权重因子的动态更新，加速算法收敛。该方法对于蚁群算法过程具有高度启发作用，改善蚁群算法在移动机器人路径规划过程中的收敛速度慢、精度低等不足，提高算法效率。