科研之友
微信
新浪微博
Facebook
分享链接
摘要
AGV(automated guided vehicle)等移动机器人在不同环境，特别是复杂环境中的路径规划存在着算法收敛速度慢、收敛路径冗余节点多的问题。为克服上述问题，提出一种基于改进蚁群算法的全局路径规划算法(FOACO)。首先，引入一种新的信息素初始化分布规则，提高初始信息素的启发作用；同时，在传统蚁群算法的信息素更新策略中引入模糊控制器和收敛状态信息素增量参数，来提高信息素更新效果和启发作用；引入新的自适应调整信息素权重因子和蒸发率规则，进一步提高算法的收敛速度和最优路径搜索能力；引入几何优化算法进行冗余节点的去除和最短路径的更新优化，动态更新最终路径。实验结果表明，在不同仿真环境，FOACO算法可以有效地减少最优路径搜索的迭代次数，加快算法收敛速度，进一步优化路径冗余节点、缩短最优路径，整体效果优于传统蚁群算法。
- 单位
