柏语蔓，于莲芝

（上海理工大学 光电信息与计算机工程学院，上海 200093）

0 引 言

科技发展推动着智能移动机器人领域迅速发展，该领域需要多类技术相互融合［1］，其中路径规划是该领域研究的核心问题［2］。智能机器人在实际使用中能否高效、安全完成任务，主要取决于路径规划是否合理。目前主流的路径规划算法主要有人工势场法［3］、模糊逻辑算法［4］、模拟退火算法［5］、蚁群算法等。

在众多路径规划算法中，蚁群算法有较好的全局优化能力、鲁棒性、并行性［6］，适合复杂环境中的路径规划问题。该算法由MarcoDorigo在1992 年提出［7］，这是一种模仿蚂蚁觅食的智能路径规划算法。模仿蚂蚁通过释放信息素寻找最优觅食路径，多轮觅食之后，根据正反馈机制选出信息素浓度最高路线为最优路径。

其中，蚂蚁种群数量、信息素挥发速度、信息素影响因子、启发式影响因子这些参数值选取过大或者过小都会直接影响路径搜索的随机性，进而影响算法收敛速度和全局搜索能力。随机性较弱时，算法的搜索速度加快，但会导致全局搜索能力降低，结果为局部最优。当算法随机性较强时，降低蚁群算法正反馈作用，算法收敛速度变慢，拖慢运行效率。所以如何选择合适的参数是蚁群算法改进的重点。

针对蚁群算法在路径规划应用中存在的问题，目前主流的对蚁群算法的改进方案有：

（1）单一蚁群算法的改进［8］：单个蚁群算法通过改进算法结构、优化参数、设置信息素初始值和调整信息素更新原则等方式，提高算法的寻优能力。……