基于改进A^(*)蚁群算法的平滑路径规划方法

Smooth path planning method based on improved A^(*) ant colony algorithm

针对移动机器人路径规划中存在冗余拐点和路径尖峰,以及经典蚁群算法陷入局部最优等问题,提出了一种基于改进A^(*)蚁群算法的平滑路径规划方法。首先,针对蚂蚁初次寻路的盲目性,提出对蚁群算法信息素的初始分布引入改进A^(*)算法路径信息进行优化设置,减小搜索节点的计算量。其次,为进一步提高算法在路径规划中的适应能力,采用对主要参数使用反三角函数自适应调整策略,使算法参数在各次迭代中配合达到最佳,提高算法搜索能力;同时,改进信息素增量更新规则中的路径选择方法,以加快算法的收敛速度,缩短了搜索时间。最后,借助三次B样条曲线对最优路径的尖峰进行平滑与拟合优化。仿真结果表明:在全局静态障碍物环境中,该算法可减少路径长度,提高搜索效率,增加路径的平滑性。