赵 娜，陈越峰，2

（1.辽东学院机械电子工程学院，辽宁 丹东 118000；2.华北理工大学矿业工程学院，河北 唐山 063210）

0 引言

路径规划是机器人控制领域的重要研究方向［1］，主要用于为移动机器人在障碍环境中规划一条至目标点的最优路径。目前，这一方面的诸多研究已取得显著成果，如遗传算法、A*算法［2］、人工势场算法［3］以及蚁群算法等。

蚁群算法通过正反馈智能机制，具有并行、分布式计算、强鲁棒性及快速收敛等特点，更适于移动机器人在障碍物环境下的路径规划问题，但传统蚁群算法初始路径搜索效率低，易停滞和陷入局部最优，为此，学者提出大量改进算法：许凯波等［4］提出双层路径搜索的改进蚁群算法，通过内外双层路径寻优提高路径质量，并设计了信息素二次更新策略；封声飞等［5］通过改进启发信息和信息素更新策略，平衡算法的收敛速度和寻优能力，并采用分段贝塞尔曲线进一步平滑；Zheng 等［6］采用多策略进化机制，通过信息素进行随机初始化和交叉操作，提高算法搜索能力，通过选择概率自适应调整提高算法的随机性；白建龙等［7］设计了负反馈蚁群算法，利用历史搜索信息积累失败经验，以指导蚁群对未知空间的搜索，以解决蚁群算法后期的多样性问题；Ma 等［8］采用双参数控制改进蚁群算法的计算效率，并建议了路径规划模型，但优化效果不明显；Tiffany 等［9］利用头尾搜索机制改善蚁群前期收敛，通过奖惩因子与信息素阈值提高全局搜索能力，引入遗传算法避免局部最优。……