基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

多移动机器人3阶段解耦路径规划

针对多移动机器人集群在路径决策时任务执行时间过长、容易陷入死锁等问题,课题组提出了一种3阶段解耦路径规划方法.利用栅格法建立二维环境模型,首先以传统蚁群算法为基础,引入参数自适应机制和路径指引函数,提高算法的收敛速度;其次将多机器人集群路径规划分为3个阶段,提前预判出冲突路段,减少机器人的等待时间和绕行距离;最后利用M...