人工势场引导信息素扩散的机器人导航规划

为了保证机器人自动导航过程中沿着最优路径前进,提出了基于势场引导信息素扩散的导航规划方法。建立了工作环境的栅格模型;在分析传统蚁群算法缺陷基础上,提出使用人工势场引导信息素扩散,制定了栅格环境下信息素扩散方向查询表,建立了信息素扩散量的圆锥模型;在人工势场引导下,信息素扩散到隐含最优路径附近区域,将蚂蚁搜索范围限制在一个隐含最优路径的局部区域内,减小了蚁群搜索空间。经仿真验证,与传统蚁群算法相比,人工势场引导算法的信息素能够快速聚集在最优路径上;与另一改进蚁群算法相比,势场引导算法规划出导航路径的迭代次数减少了一半,消耗时间降低了约一个数量级,保证了导航规划的快速性和实时性。

基于引导素更新和扩散机制的人工蜂群算法

人工蜂群算法是一种新型的搜索算法,其机理是通过模拟蜂群采蜜过程中体现出的智能行为来实现对问题的求解.在现有的蜂群算法中,蜂群间的信息交流仅使用单一的行为通信(跳舞),蜂群间的协作存在明显不足,影响了蜂群算法的求解性能.根据真实蜜蜂多模式传递信息的客观事实,通过引入基于引导素的化学通信方式,提出一种新的更忠实反映蜂群信息传递的蜂群算法,并应用于多维背包问题(MKP)的求解.新算法将行为通信和化学通信相融合,利用引导素的更新和扩散机制使蜂群能够更好地进行协作.MKP的仿真实验结果表明新算法优于传统的ABC算法.与其他一些元启发式搜索算法的比较同样显示了新算法的有效性.

基于改进蚁群算法的移动机器人路径规划研究

针对传统蚁群算法迭代次数多,规划路径长且存在冗余拐点等问题,提出一种改进蚁群算法。首先在启发函数中引入角度因子,并以局部影响系数、全局影响系数和角度影响系数表征局部影响因子、全局影响因子和角度影响因子的重要程度。同时改进信息素挥发系数和信息启发因子,增强信息素的引导作用。其次为了使算法在初期搜索时更具指引性,根据地图已知信息和优选路径特征初始化信息素浓度矩阵。最后对改进算法规划路径进行二次优化,减少路径长度和转弯次数。为验证算法有效性,使用Matlab在栅格地图中对改进算法进行仿真,结果表明改进算法能够以更少的迭代次数获得长度更短、转弯次数更少的最优路径。