基于多步长蚁群算法的移动机器人路径规划

针对蚁群算法在二维栅格环境下的收敛速度慢,规划路径较长等问题,提出一种改进的多步长蚁群算法。首先,通过栅格法对移动机器人的运动环境进行建模;其次,将栅格地图划分为不同的区域,引入人工势场法的思想以及根据栅格间的距离信息对不同区域进行初始信息素浓度优化分布,避免了蚁群盲目搜素,提升了算法的收敛速度;在自适应多步长蚁群算法的基础上,引入了Informed RRT的随机采样区域的思想,缩小了蚁群的搜素空间,提升了路径搜素效率,并同时提升了路径规划的质量;最后,通过MATLAB搭建的模拟仿真环境进行实验。实验结果表明,改进的多步长蚁群算法相比于其他改进算法具有更优的路径和算法效率。

基于不规则三角网构建的网格生长算法

提出一种基于离散点Delaunay三角网快速构建的网格生长算法,采用分治算法将离散点表达为唯一网格,利用稀疏矩阵完成网格数据的压缩存储,通过标识码实现有值单元格与离散点之间的高效检索,从而提高网格构建的效率。依据有值单元格的密度获取预设正方形搜索空间,并在三角网扩展时根据需要动态建立正方形搜索空间,从而保证网格生长的准确性。实验结果表明,该算法的时间复杂度为O(nlogn),对于少量或海量离散点均具有较好的适应性。