徐玉琼，娄 柯，李志锟

(1.广州大学松田学院 电气与汽车工程学院，广东 广州 511370；2.高端装备先进感知与智能控制教育部重点实验室，安徽 芜湖 241000；3.安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000)

0 引 言

路径规划技术[1～3]是移动机器人研究领域的核心技术之一，它是指移动机器人在有障碍物的环境中，从起点运动到终点搜索出一条最优的安全路径。为了解决移动机器人路径规划问题，国内外学者提出诸多算法，如遗传算法(GA)、A*算法[4,5]、蚁群算法(AG)[6～10]、狼群算法[11]等。随着群智能算法的不断创新，传统蚁群算法在路径规划技术方面成果显著。然而，传统蚁群算法存在鲁棒性不强、死锁、搜索停滞等问题急需被解决。针对传统蚁群算法相关缺陷，大量国内外学者深入研究，提出诸多改进蚁群算法。文献[12]利用人工势场法[13]的优势，与蚁群算法进行结合，加快了算法的收敛速度，但其适应不了复杂环境。文献[14]为了解决蚁群算法容易陷入局部最优、收敛速度与寻优能力不平衡等问题，提出了自适应蚁群算法，针对信息素的分配重新制定策略，设置迭代阈值，使得算法在寻优后期也具有一定的搜索能力；但该算法转折点较多，降低算法搜索效率。文献[15]利用双向搜索机制以及对启发函数设置比例系数引导因子进行改进，有效改善了移动机器人目标性不强，向目标相反方向移动的问题，但算法路径冗长，寻优能力较低。相关改进蚁群算法相对于其他群智能算法能搜索出较优路径，但依然耗时较长、收敛较慢，很难搜索出最优路径。……