基于多约束场景的BFO-ACO漫游路径规划

目前基于蚁群算法的路径规划用于多约束条件下寻找最优路径时，容易陷入局部最优解并导致收敛速度慢．为此，在路径长度、有效景点区域数量、路径平滑性和路径障碍距离等约束条件下，构造一种适应度函数模型，以评价漫游路径的质量．提出混合细菌觅食优化思想的改进蚁群优化（bacterial foraging optimization and ant colony optimization,BFO-ACO）算法，采用禁忌表优化策略解决传统蚁群算法的死锁问题，提高算法初期的路径多样性，通过引入细菌觅食算法的复制和驱散机制，提高收敛速度，跳出局部最优值．实验结果表明，BFO-ACO算法可在多约束环境下以较少的迭代次数获得高质量的漫游路径，为漫游路径设计提供了参考．