融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷，提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法，解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上，通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法，提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度；进一步在改进蚁群算法中引入DWA进行局部路径规划，实现机器人的动态避障。对比仿真结果表明，所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。