李燕 季建楠 沈葭栎 苏瑞

1 南京信息工程大学 自动化学院,南京,210044 2 南京信息工程大学滨江学院 物联网工程学院,无锡,214105

0 引言

随着移动机器人的飞速发展，路径规划问题成为移动机器人研究领域的基础与核心.移动机器人路径规划技术是机器人在复杂的环境中，从起点到终点之间无数条搜索路径里，智能地选择一条最优路径或者较优路径[1].传统的解决路径规划问题的算法主要包括广度优先搜索( BFS) 、深度优先搜索( DFS) 、Dijkstra 算法和A*的算法.近年来一些研究人员采用仿生智能优化算法解决路径规划问题，这些仿生智能优化算法主要包括蚁群算法、遗传算法、粒子群算法、免疫算法、模拟退火算法、DNA计算方法以及各算法之间的组合优化算法等[2-5].

蚁群算法是一种启发式的随机搜索算法，由意大利学者Maniezzo团队受蚂蚁觅食行为的启发，在1991年首次提出[6].蚁群算法模拟蚂蚁合作觅食行为，具有正反馈、高稳健性和并行性、易于与其他算法相结合等优点.但传统蚁群算法容易出现局部最优解、计算量大、收敛速度慢等问题[7].近年来国内外学者相继提出了一些改进的蚁群算法.2000年，Stutzle等[8]提出了最大最小蚂蚁系统( MMAS)，通过限制路径上信息素的上下限，在一定程度上避免了陷入局部最优解问题.2018年，张原艺等[9]提出一种改进的多步长蚁群算法，将蚁群每次迭代产生的最优路径作为引导径，利用路径引导搜索策略确定多步长的移动路径，提高了搜索范围的多……