何雅颖，范昕炜

中国计量大学 质量与安全工程学院，杭州310018

机器人路径规划是指根据已知障碍环境，自行规划出一条从起始点到达终止点无碰撞的最优路径[1]。其中传统方法包括栅格法、A*算法[2]、人工势场算法[3]等。随着智能群算法的发展，遗传算法[4]、粒子群算法[5]、蚁群算法等也开始应用于路径规划中。

蚁群算法（Ant Colony Optimization，ACO）是由意大利学者Dorigo等[6]提出的一种仿生蚂蚁觅食的智能群算法，具有正反馈、并行性、强鲁棒性和较好适应性的特点，但同时也具有易陷入局部最优、收敛速度较慢和易陷入死锁等问题。其中信息素对算法结果具有重要影响，不少学者通过信息素不同的设置方式来优化算法。文献[7]提出非均匀信息素分布划定起点到终点两个点为顶点的矩形区域为有利区域，提高该区域的初始值。该方法能有效防止蚂蚁在初期向目标点反方向搜索，但是区域内信息素并没有差别，改进效果有限。文献[8]提出双层蚁群算法，先通过外层算法求取最优解延伸其解空间，后利用内层算法进行局部寻优，如果在此空间内找到更优路径则执行信息素二次更新。该方法虽然提高了最优解的可能性，但是仅限于有限空间探索，算法可能陷入局部最优。文献[9]引入了最优解与最差解改进信息素更新规则，增强当前最优路径的信息素，减弱最差路径的信息素。该方法有效加快了收敛速度，但同时也减少了种群的多样性，不利于最优解的获取。文献[10]提出……