高茂源，王好臣

(山东理工大学 机械工程学院，山东 淄博 255000)

0 引 言

近年来人工智能领域快速发展，移动机器人路径规划[1]被广泛应用于自动驾驶、物流分拣运输等领域。移动机器人的路径规划在国内外得到广泛的研究，常用算法包括遗传算法、神经网络算法、A*算法等，各个优化方法有各自的优势，同时也并存在了明显的不足[2]。蚁群算法(ant colony algorithm)，被用于解决指派问题、旅行商问题以及车辆路由问题等[3,4]。其采用分布式并行计算机制，具有鲁棒性强，易于其他算法相结合等诸多优点，受到研究者们的广泛关注。但蚁群算法也有着收敛速度较慢，搜索效率低且时间长以及易陷入局部最优等不足之处，不利于高效率、高精度的求解优化问题。针对上述问题，本文提出了一种改进的蚁群算法，对算法的局部进行改进，达到提高搜索效率与寻优能力。

1 问题描述与环境建模

当移动机器人承担某项任务时，首先根据周边环境信息建立环境模型，通过自身算法对环境中的障碍物等进行定位、避障，从而获得最优路径。对移动机器人进行路径优化需要对机器人的运动空间进行数字建模处理，即运动空间与数学模型的转换，便于机器人识别与分析。本文机器人路径规划问题满足以下条件：1)机器人运动空间是二维有限空间，且空间中障碍物位置已知；2)障碍物随机分布在机器人运动空间中，且大小性状不发生变化，忽略其高度；3)不考虑机器人与机器人间和机器人与障碍物之间的碰撞；……