基于改进蚁群算法的AGV路径规划研究

摘要

近年来,自动导引机器人(AGV)一直是研究的热点问题,其中复杂路径规划为研究重点.为了更好地规划机器人路径,提出一种改进蚁群算法,该算法在传统蚁群算法基础上充分利用了MMAS算法的特点.首先,构建网格环境模型,引入算法概率函数和抑制因子,通过改变算法的启发式信息,加快算法收敛速度;其次,引入回退机制解决死锁问题,再将MMAS蚂蚁系统转化为局部扩散信息素,只有迭代试验的最优解才能加入到信息素更新中;最后,有效限制信息素浓度,避免发生搜索路径过早收敛现象.仿真实验结果表明,改进蚁群算法与传统蚁群算法相比,迭代次数减少45.6％,时间缩短46.2％,改进蚁群算法收敛速度更快、效率更高.