姚晓通，李致远，程 晓

(兰州交通大学电子与信息工程学院，甘肃 兰州 730070)

1 引言

目前，机器人在各个领域的应用越来越广泛，机器人路径规划在其中占有很重要的地位。所谓路径规划，是机器人从起始位置到目标点位置这两点之间，以一定的优化准则(如行走路径最短)，找到一条可以躲避障碍物的最优路径或次优路径，指导机器人去逼近找到的路径，完成任务[1]。对于机器人路径规划的研究，涉及很多传统的全局路径规划算法，其中包括A*算法，D*算法，人工势场法，以及C空间法[2]。但是在面对比较复杂的障碍物环境时，以上算法的效果不佳。随后，一些研究人员根据自然界生物行为的启发，又相继提出了应用在路径规划方面的智能算法，如粒子群算法，遗传算法，神经网络法，以及蚁群算法[3]。其中，蚁群算法和以上其它智能算法相比，具有信息正反馈，分布式计算及全局求解能力强的特点，所以在机器人路径规划领域中，其作为一种很有效的规划算法，应用很广泛。

蚁群算法是意大利学者M.Dorigo于20世纪90年代通过对蚂蚁觅食行为的观察研究后，受到启发，而提出来的一种仿生模拟算法[4]。该算法首先成功的解决了旅行商问题(TSP问题)，在求解旅行商路径最短问题上取得了比较理想的效果。后续，有学者便将蚁群算法应用到路径规划方面，虽然相比于其它智能算法，其具有一定的优势。但是基本蚁群算法还是存在一定的缺陷和不足，因此许多研究人员对基本蚁群算法进行了改进。……