张子然，黄卫华，2，3，陈 阳，章 政，2，3，李梓远

1.武汉科技大学 机器人与智能系统研究院，武汉430081

2.武汉科技大学 冶金自动化与检测技术教育部工程研究中心，武汉430081

3.武汉科技大学 信息科学与工程学院，武汉430081

随着生活中自动化程度日趋提高，移动机器人在物流运输、医疗服务和工厂制造等领域的应用越来越广泛。路径规划作为移动机器人研究中复杂和重要的课题，是移动机器人实现自主定位导航技术的核心技术之一，它是指移动机器人依据一定的规则，在工作空间中找到一条从起点到终点的无碰撞最优路径[1]。近年来，越来越多的群智能优化算法被用于解决机器人的路径规划问题，如遗传算法[2]、粒子群算法[3]、灰狼优化算法[4]和蚁群算法[5]等。其中，遗传算法全局搜索能力强，但收敛耗时长；粒子群算法结构简单、收敛速度快、易于实现，但其存在早熟的问题；灰狼优化算法不易受参数影响，简单易实现，但该算法稳定性差及其后期局部搜索能力差。蚁群算法基于模拟蚂蚁在觅食过程中发现路径的行为，有效解决复杂环境下最优路径的搜索问题，具有鲁棒性好、分布式计算能力强等特点，已被广泛应用于移动机器人的全局路径规划。

然而，蚁群算法存在收敛速度慢、易陷入局部最优等问题。文献[6]提出了一种蚁群-聚类自适应动态路径规划算法，依据聚类算法对环境进行判别，自动改变蚂蚁的寻优半径，提高收敛速度。文献[7]引入环境信息因子来改进启发函数降低死锁情况的发生，增加了有效蚂蚁数量，加快了搜索速度。……