朱 艳，游晓明，刘 升，袁汪凰

1.上海工程技术大学 电子电气工程学院，上海 201620

2.上海工程技术大学 管理学院，上海 201620

1 引言

机器人路径规划问题是机器人学的一个重要研究领域，它要求机器人依据一定的优化原则（如能量消耗最小，行走路线最短，行走时间最快等等），在其运动空间中找到一条从运动起点到目标点的最优或者接近最优的路径，且此路径能安全躲避障碍[1-2]。为了解决路径规划问题已经出现大量的算法，如人工势场法[3]、Dijkstra算法[3-5]、A*算法[6]等。近年来学者从自然界的一些现象中得到启发，提出将遗传算法[7-8]、粒子群算法[8]、蚁群算法等智能仿生算法应用于机器人路径规划的研究。

在20世纪90年代，意大利学者Dorigo、Maniezzo和Colorni等人从生物进化的机理中受到启发，通过模拟自然界蚂蚁寻食的行为，提出了蚁群优化算法。尽管蚁群算法已经可以较为成功地解决路径规划的问题，但是算法容易陷入局部最优，无法得到全局最优路径，因此许多研究人员对其进行深入分析，提出改进的蚁群算法[9-10]，并且得到了广泛的应用。文献[11]针对基本蚁群算法容易陷于局部最优解这一问题，提出使用双种群蚁群同时进行搜索，在迭代过程中，若判断出算法陷入可能局部最优，则交换两个种群对应路径上的信息素，并同时双向动态自适应调整信息素挥发系数，虽然改进的算法在一定程度上提高了搜索的全局性，但仍然存在收敛结果不稳定的问题。文献[12]通过改进启发函数ηij，避免单纯使用导致蚂蚁贪婪当前最短路径，不仅提高了算法跳出局部最优的能力，也加快了算法的收敛速度，但改进算法在路径寻优方面还有待改善。……