胡佳斌,王祥澍,张 琪,全瑞坤

(1.重庆大学 重庆大学—辛辛那提大学联合学院,重庆 400044；2.重庆大学 电气工程学院,重庆 400044)

0 引 言

机器人路径规划问题指在有障碍物的环境中,搜索规划一条从起点到终点距离最短的无碰撞路径。路径规划问题是机器人导航与控制的基础问题,在无人驾驶技术快速发展,智慧城市建设过程中,其作为一项核心技术得到更多的重视。现有的路径规划算法包括粒子群算法[1]、遗传算法[2]、人工势场算法[3]、模拟退火算法[4]和A*算法[5]。粒子群算法计算简单,但其后期收敛缓慢且易于局部最优解；遗传算法鲁棒性较强,能够得到全局最优解,但其所需计算量大,收敛过慢,局部搜索能力差；人工势场法计算量小,路径平滑,但易陷入局部最优；模拟退火算法局部搜索能力强,运算较快,但初始参数对结果影响较大,易陷入局部最优。A*算法效率高,操作简单,但其受到评估函数影响,后期计算量大且路径未必最优[6]。

蚁群优化(ant colony optimization,ACO)算法因具有正反馈,较强的鲁棒性,易于与其他算法结合等优点,一直受到了研究人员的广泛关注。但其存在搜索时间长,收敛慢,易被初始参数影响,易局部最优等问题。很多学者针对其缺陷进行研究和改进。文献[7]通过加大对迭代过程最优解的利用,加快算法的收敛速度,但是容易限于局部最优解；文献[8]以自适应信息素挥发系统改进信息素更新的方式,增强算法的全局搜索能力；文献[9]通过将蚂蚁每次固定移动一个步长扩大至多个步长,加快蚁群算法的收敛程度；……