改进蚁群算法在机器人路径规划上的应用研究

摘要

随着人工智能技术在当今社会的逐步发展与进步，其在生活与生产中的运用愈加广泛，也吸引了更多的研究者投入其中，人工智能已然成为可当今社会炙手可热的研究热点。人工智能的研究分支众多，其中智能机器人的研究随着技术的不断进步受到了越来越多的关注。为了提高机器人完成任务的效率，我们希望机器人能够拥有自主安全寻路的功能。通常，路径规划的目标不仅限于寻找起点与终点之间的可行路径，还要在众多可行的道路中，规划出一条路程短，耗时短且安全性高的路径，以此来提高工作的效率。近年来，在路径规划的问题上，国内外专家学者给出了各自的问题解决方案，并在各自的问题模型中得出了有效的结果，其中包括遗传算法、粒子群算法、人工免疫算法、神经网络法、人工势场法等。在众多的应用算法中，蚁群算法自提出以来，就受到了广泛的关注。
　　本研究主要内容包括：⑴系统地探讨了蚁群算法的思想和实现步骤，从经典蚁群算法的理念谈起，分析了在路径规划问题中蚁群算法表现出的优缺点。蚁群算法应用仿生的手段，根据蚂蚁在觅食过程中的寻路行为，通过给以后代正反馈信息，逐步收敛得出全局最优路径，有着鲁棒性强等优点。但同时也有搜索时间较长，容易陷入局部收敛的问题。⑵列举了众多学者对蚁群算法做出的改进与优化，其中有些是在经典蚁群算法的算法基础上加以改进，有些则让蚁群算法与其他算法相结合，取长补短，使得蚁群算法日益优化。不同的改进策略在相对应的应用场景中都得到了较好的效果，对这些改进做出分析与论述。⑶针对经典蚁群算法在复杂环境下的机器人路径规划问题中表现出的收敛速度慢，容易陷入局部最优等问题，提出一种改进算法。依据方向指导信息来优化初始信息素的分布，加快搜索速度，缩减搜索初期的时间消耗;通过优化信息素的挥发与更新规则，保留局部与全局优秀路径的优势信息，改善收敛速度慢的问题;基于区域安全因素对转移概率进行改进，从而避免陷入局部最优和死锁等问题。为了验证改进的有效性，通过栅格法对仿真环境二维建模，对不同复杂度和规模的地图进行仿真实验。⑷在带有路径代价的多目标规划问题上提出一种改进蚁群算法。在前文中提到的初始信息素分布规则的基础上，添加路径代价因子，为初始蚂蚁提供寻路方向。依据多目标规划的特性，提出一种蚂蚁群体划分的策略，赋予不同群体的蚂蚁不同的规划任务，从分到总地适应多目标规划需求。另外，在信息素的分布上，根据蚂蚁群体任务的不同设置不同的规则，再经过转移概率的优化选择，在仿真实验中得出了不错的结果。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 路径规划的研究现状

1．2．2 蚁群算法的研究现状

1．3 本文的主要内容和结构

1．4 本章小结

第2章 经典蚁群算法与栅格法介绍

2．1 经典蚁群算法

2．1．1 蚁群算法的主要内容

2．2 栅格法在地图构造上的应用

2．3 本章小结

第3章 基于方向引导信息的改进蚁群算法

3．1 仿真环境描述

3．2 信息素分布的优化

3．2．1 初始信息素分布的优化

3．2．2 信息素更新规则的优化

3．2．3 信息素挥发规则的优化

3．3 转移概率的优化

3．4 改进算法具体实现步骤

3．5 仿真实验与实验结果

3．5．1 仿真实验一

3．5．2 仿真实验二

3．5．3 仿真实验三

3．6 本章小结

第4章 带路径代价的多目标路径规划

4．1 问题模型介绍

4．2 改进算法的描述

4．2．1 蚂蚁种群自适应策略

4．2．2 信息素分布的优化

4．2．3 转移概率的计算

4．2．4 改进算法的具体实现步骤

4．3 仿真实验与实验结果

4．3．1 仿真实验一

4．3．2 仿真实验二

4．4 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

附录

致谢

攻读硕士学位期间发表的论文及获奖情况