王正存 张晓玲 吴作君

摘 要：针对蚁群算法在机器人路径规划中易陷入局部最优问题，提出首先利用蚁群算法寻找移动路径，然后采用模拟退火算法进行迭代，并加入回火机制消除局部最优，有效提高蚁群算法的全局搜索能力。仿真研究表明，模拟退火蚁群算法在机器人路径搜索上可得到较短路径。

关键词：蚁群算法；模拟退火；路径规划

机器人路径规划问题中，路径规划算法是核心，蚁群算法具有较强的优化能力和鲁棒性，成为近年来的研究热点。[1] [2]但当寻优过程中问题规模变大时，存在收敛精度变低和易落入局部最优问题。本文采用改进的蚁群算法在搜索路径过程中，使用模拟退火算法迭代，寻找栅格地图中的可行性路径。

1 环境建模

首先建立机器人路径规划的工作地图，鉴于栅格法的方便实现、高精度优点，选用栅格法建立机器人运行的模拟环境。[3]环境建模后，需要对栅格地图进行路径规划寻找较短路径，其中路径的移动和计算过程如下描述。假设t时刻机器人在栅格地图上移动一步长度d：

d=2，xt+1=xt±1且yt+1=yt±11，xt+1=xt±1或yt+1=yt±1（1）

机器人从起点到终点所走路径总长度等于每次移动长度之和。

2 基于模拟退火蚁群算法的路径规划

本文将模拟退火与蚁群算法结合，旨在解决蚁

群算法在寻优过程中不能得到全局最优解的问题，其迭代步骤如下：

S1：建立栅格地图，将机器人看做一只蚂蚁。

S2：初始化参数，包括蚂蚁数量num、迭代次数m、模拟退火算法的冷却系数q，初始温度T0，最大回火次数Hmax等。……