(1.郑州轻工业大学 电气信息工程学院, 河南 郑州 450002;2.天津职业技术师范大学 信息技术工程学院, 天津 300222)

0 引言

移动机器人根据执行任务的不同，需要搭载不同的传感设备，且自身重量较大，整个平台耗电量较高，当路面狭窄、凹凸不平时，容易造成传感设备出现故障或降低移动速度，增加移动平台电源的负担。因此对移动机器人进行路径规划很有必要[1]。传统的路径规划算法有A*算法[2]、Dijkstra算法[3]、遗传算法[4]、RRT算法[5]和人工势场法等。这些算法广泛应用于路径规划领域，并且取得了较好效果，但面对复杂环境仍然有各自的缺陷。之前学者通过蚂蚁觅食的群体行为，提出Ant System仿生优化算法，即传统蚁群算法。传统蚁群算法抗干扰能力强，适用场景广，在移动机器人路径规划领域具有广泛应用。CHEN等[6]通过改进蚁群算法，提出新的规划路径算法，与传统的算法相比较，搜索时间更短。SANGIOVANNI等[7]通过加入惩罚策略提高信息素的易变性，使蚂蚁能够探索未知区域，但收敛速度慢，有较高的时间复杂度。针对多车辆泊车路径规划问题，辜勇等[8]通过改进蚁群算法，提出新的规划算法，避免多车辆泊车时路径冲突，与传统蚁群算法相比，文献中提出的算法收敛速度快，有更强的时效性。孙功武等[9]提出新的启发函数，提高了算法的收敛速度。同时提出并解决自死锁问题，降低了无效蚂蚁产生的数量。王明超[10]在传统蚁群算法的基础上设计动态调节启发函数方法，标记陷阱，提高规划路径的质量。……