基于位置和能耗启发的改进蚁群算法路径规划

李春青; 黄勇萍; 刘娟

doi:10.13873/J.1000-9787(2024)10-0132-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于位置和能耗启发的改进蚁群算法路径规划

计算与测试 | 更新时间：2025-09-11

- 基于位置和能耗启发的改进蚁群算法路径规划
- 暂无标题
- 传感器与微系统 2024年第10期页码：132-136
- 作者机构：
  
  1. 广西民族师范学院数理与电子信息工程学院
  2. 中国人民解放军63892部队
- 作者简介：
- 基金信息：
  
  2022年度广西高校中青年教师科研基础能力提升项目(2022KY0767)
- DOI：10.13873/J.1000-9787(2024)10-0132-05
  中图分类号： TP18;TP242
- 纸质出版：2024
- 稿件说明：
移动端阅览
李春青, 黄勇萍, 刘娟. 基于位置和能耗启发的改进蚁群算法路径规划[J]. 传感器与微系统, 2024,(10):132-136.
李春青, 黄勇萍, 刘娟. 基于位置和能耗启发的改进蚁群算法路径规划[J]. 传感器与微系统, 2024,(10):132-136. DOI： 10.13873/J.1000-9787(2024)10-0132-05.

DOI：

摘要

为了解决经典蚁群优化算法应用于移动机器人路径规划中存在综合寻优能力差、收敛速度慢和复杂环境中算法鲁棒性不强等问题，提出了一种基于位置和能耗启发的改进蚁群优化算法。综合考虑机器人行进路径长度、行进路径坡度和转弯带来的能耗问题，提出综合能耗启发因子；考虑路径起点与终点之间，直线距离最短，提出到起止点直线距离启发因子，引导蚂蚁往起止点直线附近路径靠近；提出到终点距离启发因子，引导蚂蚁往目标点方向行进。设计了综合三种启发因子的启发函数，优化状态转移计算方式。此外，通过引入动态信息素挥发因子、改进信息素增量、设计信息素限制等优化信息素更新策略。多种环境多次仿真实验结果对比分析表明，改进算法在寻优路径长度、路径高度均方差、综合性能等方面具有更加优秀的表现。

Abstract

关键词

Keywords

references

Xiangjie Li,Yala Tong.Path Planning of a Mobile Robot Based on the Improved RRT Algorithm[J].Applied Sciences,2023.

Li Guangxin,Liu Chao,Wu Lei,Xiao Wensheng.A mixing algorithm of ACO and ABC for solving path planning of mobile robot[J].Applied Soft Computing,2023.

Yanjie Liu,Chao Wang,Heng Wu,Yanlong Wei.Mobile Robot Path Planning Based on Kinematically Constrained A-Star Algorithm and DWA Fusion Algorithm[J].Mathematics,2023.

Lili Liu,Longhai Li,Heng Nian,Yixin Lu,Hao Zhao,Yue Chen.Enhanced Grey Wolf Optimization Algorithm for Mobile Robot Path Planning[J].Electronics,2023.

Xia Xinkai,Li Tao,Sang Shengbo,Cheng Yongqiang,Ma Huanzhou,Zhang Qiang,Yang Kun.Path Planning for Obstacle Avoidance of Robot Arm Based on Improved Potential Field Method.[J].Sensors (Basel, Switzerland),2023.

Rafid Sagban,Ku Ruhana Ku-Mahamud,Muhamad Shahbani Abu Bakar.Reactive max-min ant system with recursive local search and its application to TSP and QAP[J].Intelligent Automation & Soft Computing,2017.

陆顺意,何庆,王艺蒙,李言博.用于移动机器人路径规划的增强型蛇优化算法[J].传感器与微系统,2023(12).

王丰,于浩.基于状态转移规则改进蚁群算法的机器人路径规划[J].组合机床与自动化加工技术,2023(11).

曾钰桔,陈波,瞿睿,李民.基于改进蚁群算法的移动机器人路径规划研究[J].现代制造工程,2023(10).

郝兆明,安平娟,李红岩,赵天玥,王磊,杨朝旭.增强目标启发信息蚁群算法的移动机器人路径规划[J].科学技术与工程,2023(22).

戈一航,杨光永,于元滐,徐天奇,马晨浩.基于改进麻雀搜索算法的移动机器人路径规划[J].传感器与微系统,2023(07).

周敬东,高伟周,杨文广,戚得众,周天.基于改进蚁群算法的移动机器人路径规划[J].科学技术与工程,2022(28).

李开荣,刘爽,胡倩倩,唐亦媛.基于转角约束的改进蚁群优化算法路径规划[J].计算机应用,2021(09).

李理,李鸿,单宁波.多启发因素改进蚁群算法的路径规划[J].计算机工程与应用,2019(05).

朱爱斌,刘洋洋,何大勇,何胜利.解决路径规划局部极小问题的势场栅格法[J].机械设计与研究,2017(05).

浏览量

407

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进遗传算法在机器人多目标路径规划的应用

融合Q-learning的A^*预引导蚁群路径规划算法

基于引力搜索算法融合DWA的移动机器人路径规划

融合IGJO与TEB算法的移动机器人路径规划

基于改进蚁群算法的焊接机器人路径规划方法