改进自适应蚁群的城市道路智能车路径优化

作者：裴文鑫; 孙宁^*; 马健霄

来源：森林工程, 2022, 38(01): 152-158.

DOI：10.16270/j.cnki.slgc.2022.01.009

• 智能车辆
• 城市道路
• 自适应蚁群算法
• 邻域搜索
• B条曲线法
• 路径优化

为优化城市道路中智能车辆规划路径的长度与转折次数,本文提出一种改进的自适应蚁群算法。以栅格法对城市道路环境网格化处理,以路径最短、转折次数最少为优化目标函数,改进邻域搜索范围,将8邻域扩大为24邻域,利用启发函数更新初始信息素,动态调整信息素挥发系数,并提出返回上一步的死锁策略,最后考虑曲率限制,以三次B样条曲线法(B-spline curve)平滑优化处理。此研究表明,在随机生成的城市环境地图模型下,该算法较标准蚁群算法与自适应算法,路径长度分别缩短3.89%、8.38%,路径节点分别减少28%、24.2%,收敛次数分别减少37.5%、20%。此研究结果为城市道路智能车辆路径优化提供较好的理论依据。

• 单位
  南京林业大学