彭 湘，向凤红，毛剑琳

(昆明理工大学 信息工程与自动化学院，昆明 650500)

1 引 言

近年来，随着人工智能领域的逐步扩张[1]，智能机器人在各个行业都得到了较为广泛的应用.移动机器人的路径规划技术是机器人学[2]中一个重要分支[3]，是指机器人在存在障碍物的解空间内运动，搜寻到抵达目标点的最优解[4]或次优解，该最优解或次优解能够根据人类期望的机器人性能决定，如路径最优、能耗最优[5]以及路径最平滑等，也可以是一个或多个约束条件的加权.

移动机器人的路径规划方法根据应用环境可区分为全局和局部环境下的路径规划，针对不同的环境下的路径规划采用的方法也有所差别.全局路径规划[6]方法主要有蚁群算法、A*算法[7]、遗传算法等，局部路径规划方法[8]主要有人工势场法、DWA算法等.在实际应用中，单一算法通常仅能处理某一限定环境下的路径规划问题，例如蚁群算法，它是一种通过模拟蚁群觅食规则的群体智能优化算法[9]，在静态路径规划问题中能够表现出良好的鲁棒性、正反馈性和并行性，但蚁群算法在应用到局部环境时，会出现搜索停滞或与动态障碍物碰撞等问题.同理，将人工势场法等局部路径规划算法用于全局环境时，也易出现收敛速度慢、存在局部最优解等弊端.单一算法在处理路径规划问题时，由于算法本身的缺陷常常导致规划的路径并非最优解，近年来学者们在研究路径规划问题时常将不同……