基于IF&IABC算法的多机器人路径规划研究

论文结合改进的蜂群算法和改进的模糊算法,为解决机器人路径规划问题提出了一种新的方法,即IF&IABC(Improved Fuzzy&Improved Artificial Bee Colony)算法。对人工蜂群算法进行改进,首先利用混沌思想和反向学习策略初始化种群,通过免疫信息调节机制在当前解和反向解之间进行选择,扩大种群多样性,增强跳出局部最优的能力;通过引入量子策略改进邻域搜索,引入独立的惯性权重来调节全局和局部寻优能力;采用边界变异法避免算法在搜索的过程中陷入局部最优。同时,结合具有速度反馈的模糊算法规划机器人的避障行为,从而控制机器人在特定状态下准确方便地改变路径,保证其在最佳状态下运行到目标点。实验结果证明论文算法步骤简捷,能很好解决不同机器人数量与不同任务目标点数量情况下的路径规划,且具有较大的实用性。