基于动态启发算子的双种群蚁群算法及其应用*
2018-09-11尹元元游晓明许明乐
传感器与微系统 2018年9期
尹元元, 游晓明, 许明乐, 刘 升
(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 机械工程学院,上海 201600)
0 引 言
许多智能算法用于解决移动机器人路径规划问题,并取得了很好的效果,其中蚁群优化(ant colony optimization,ACO)算法首先成功解决了旅行商问题[1],其后在组合优化领域得到了广泛应用[2~4]。然而,蚁群算法在解决路径规划问题时存在收敛速度慢、易陷入局部最优解等问题。为了提高算法的收敛速度,唐良等人[5]引入了方向启发,加强搜索限定搜索范围为从起点到终点的椭圆区域。柳长安等人[6]提出了根据目标点自适应函数作为启发因子,加快了算法收敛速度。文献[7]通过建立双蚁群完全交叉算法,解决复杂凹形障碍环境下的机器人路径规划问题,仿真实验结果证明了该算法的有效性。文献[8]引入双种群独立搜索,保证解的多样性的同时,提高算法收敛速度。文献[9]采用两个蚁群分别进行进化求解,并定期交换优良解,增加了解的多样性。
本文算法采用双种群A与B,首先由蚁群A构造一条完整路径,在该路径上随机选取两点作为种群B的起点和终点,重新规划两点之间的路径,并比较两段路径优劣,判断是否进行该段解的替换,并全局更新种群B规划所得路径的信息素。此外,两种群也采用不同的局部信息素挥发系数[10],进行了栅格环境下的机器人路径规划仿真实验[11],结果证明本文算法在收敛速度、避免算法陷入局部最优等方面都具有很好的表现。……
登录APP查看全文
