改进ACO及其在移动机器人路径规划中的应用
来源期刊：机械设计与制造2019年第10期
论文作者：梁刚 马震 刘紫燕 何妍
文章页码：226 - 230
关键词：ACO;Python;移动机器人;路径规划;
摘 要：针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。
梁刚1，马震1，刘紫燕2，何妍3
1. 贵州大学明德学院2. 贵州大学大数据与信息工程学院3. 新松机器人自动化股份有限公司
摘 要：针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。
关键词：ACO;Python;移动机器人;路径规划;
