刘学芳, 曾国辉, 刘 瑾

(上海工程技术大学 电子电气工程学院,上海 201620)

0 引 言

路径规划是移动机器人研究领域的一个重要技术,是在有障碍物的空间中,按照一定标准规划一条从起点到终点的最优或者近似最优的无碰撞路径[1,2]。机器人的路径规划主要有全局路径规划和局部路径规划[3～7]。

针对机器人路径规划,国内外学者进行了不少研究。文献[8]提出了一种改进的动态局部搜索蚁群优化算法(dynamic local search ant colony optimization algorithm,DLACA),不同路径使用不同信息素更新策略,提高了解的质量。文献[9]提出了根据目标点自适应调整启发函数,借鉴狼群分配机制对信息素进行更新,结合粒子群算法优化蚁群算法参数的改进蚁群算法路径规划，但该方法搜索时间较长,容易陷入局部最优。文献[10]利用粒子群算法个体加权平均值并加入惯性权重提出了一种改进粒子群路径优化算法,但该算法搜索到最优解时迭代次数较多,搜索时间较长。

在解决路径规划上,蚁群算法具有易于与其他算法融合、速度快、精度高、快速找到拟最优解[12]等优点,与其他算法相比具有显著优势,但容易陷入局部最优。人工势场法是一种虚拟力算法[13]，它模仿势力场中引力和斥力对机器人的作用,如将障碍物视为斥力,最终目标点视为引力,建立函数进行机器人路径规划，方法具有计算量小,结构简单,便于控制[14],可以规划出一条平滑的轨迹路线等优点。

将蚁群算法和人工势场法两种方法进行融合,提出一种结合人工势场和蚁群算法的移动机器人路径规划。……