多因素A^(*)蚁群算法的机器人路径规划

针对蚁群算法在静态环境下全局路径规划存在迭代稳定次数过多、求解目标单一等问题,提出一种多因素A^(*)蚁群算法。通过栅格法搭建机器人工作地图,并规定行进方式以保证路线的安全性;利用改进A^(*)算法得到的路径设定地图的初始信息素,降低蚁群算法前期搜索盲目性;引入路径的转弯次数、颠簸程度作为蚁群选择道路的考量因素,避免路径规划以距离作为唯一目的,以满足机器人的实际工作需求;引入启发函数动态调节因子,让启发函数的作用随着迭代次数增加而减弱,避免蚁群算法陷入局部最优。仿真实验表明,改进算法迭代次数减少,且路径综合性能指标优于对比文献算法和传统算法。