摘要

在充满障碍物的环境里,基于随机采样的RRT算法和RRT*算法进行移动机械臂路径规划时常常存在路径代价高和求解速度慢等问题。为了解决以上问题,本文首先将ACO蚁群算法中的启发式思想融入RRT算法中形成ACO-RRT算法,在不同使用场景引入不同启发式来修改采样策略解决最短路径问题;然后通过定义新型的效用函数来权衡探索函数与开发函数分配率,使得在效用函数增加的地方采样更加频繁;最后在相同的障碍环境中评估ACO-RRT、RRT和RRT*三种算法的迭代次数、路径代价和求解速度等性能指标。实验结果表明,ACO-RRT算法解决了RRT算法和RRT*算法存在的问题,并且性能优于目前较为成熟的RRT和RRT*。