超强启发异类蚁群算法的机器人导航路径规划

为了提高机器人在栅格环境下的路径规划质量,提出了基于超强启发式异类蚁群算法的路径规划方法。建立了机器人工作环境的栅格模型;在蚁群算法基础上,提出了由开创型蚂蚁、守旧型蚂蚁、传统型蚂蚁组成的异类蚁群算法,并通过仿真看出,开创型蚂蚁主导的异类蚁群算法具有最优性能;在信息素更新方面,按照“奖励先进、惩罚后进”的原则,提出了超强启发式信息素更新方法,引导传统型蚂蚁和守旧型蚂蚁快速向开创型蚂蚁搜索的较优路径靠近。经过仿真验证,异类蚁群算法在简单环境和复杂环境下规划的路径均优于传统蚁群算法,且异类蚁群算法寻优稳定性更好,寻优耗时更短。

几何规则下的异类蚁群优化算法设计

利用解决移动机器人的全局路径规划问题的构想,从而改进几何规则下异类蚁群算法的优化和设计。移动机器人模型的搭建可以依靠机器人和算法的结合相实现。蚂蚁的搜索速度也能够依靠设置初始信息素得以实现,也要将自己适应信息挥发机制给设置出来,从而对地图初始信息素的干扰问题做出解决;以设置自适应的路径长度为基础,将规划路径的优劣性给设置出来,而优劣程度对信息素散播策略起着决定性的作用,借用几何原理来对规划路劲进行优化处理,加快最优解的收敛速度。该算法的应用性和有效性将会随着仿真实验的结果而验证出来,面对环境地图的随机设定,最优路径可以根据这种算法来迅速的将其进行规划。