李 娟，游晓明，刘 升，陈 佳

(1.上海工程技术大学 电子电气工程学院，上海 201600； 2.上海工程技术大学 管理学院，上海 201600)(*通信作者电子邮箱yxm6301@163.com)

0 引言

移动机器人路径规划问题是机器人的研究热点之一。目前机器人路径规划主要解决3个问题：1)使机器人从起始点到达目标点；2)能绕过障碍物；3)在解决以上问题的前提下，机器人的运动轨迹要尽量优化[1]。从路径规划的环境感知角度的划分有：基于环境模型的规划方法、基于事例学习的规划方法和基于行为的规划方法；从目标范围划分有：全局路径规划和局部路径规划；从随着时间的变化规划环境是否变化的划分有：静态和动态路径规划。路径规划问题通常采用的算法包括：栅格法、可视图法、遗传算法(Genetic Algorithm, GA)等[2]。

群智能优化算法是人们通过观察自然环境中的群体，将其复杂的行为分解成一个个数学模型，其易于实现、鲁棒性强等特点，使得群智能优化算法成为一种热门的进化算法。这种算法包括蚁群优化(Ant Colony Optimization, ACO)算法、遗传算法、粒子群优化(Particle Swarm Optimization, PSO)算法等，其中蚁群算法是1991年由Dorigo等[3]提出的一种新型模拟进化算法，蚁群算法是受到真实蚂蚁行为特别是其觅食行为的启发，利用正反馈、自组织和分布式协作来寻找最优路径，它有强鲁棒性、并行分布式计算、全局搜索能力强、易与其他问题结合等优点，使得其成功运用到机器人路径规划、旅行商问题(Traveling Salesman Problem， TSP)、图像识别等领域[4]。

蚁群算法的主要特点是正反馈和分布式计算，但是对于大规模机器人路径规划的问题，解的质量不高。……