文献类型：期刊文章

作　　者：白建龙[1] 陈瀚宁[1] 胡亚宝[1] 何茂伟[1] 梁晓丹[1] PARK Dongwon[2]

CHEN Hanning;BAI Jianlong;HU Yabao;HE Maowei;LIANG Xiaodan;PARK Dongwon(School of Computer Science and Technology, Tianjin Polytechnic University, Tianjin 300387, China;School of Game Engineering, Pai Chai University, Daegeon 35345, Korea)

机构地区：[1]天津工业大学计算机科学与软件学院,天津300387 [2]韩国培材大学游戏工程学院,韩国大田35345

出　　处：《计算机集成制造系统》

基　　金：国家自然科学基金面上资助项目(61772365);天津市科技计划资助项目(17ZLZXZF00310);十三五国家重点研发计划激光制造重点专项资助项目(2017YFB1103003);韩国高等教育财团国际学术交流资助项目~~

年　　份：2019

卷　　号：25

期　　号：7

起止页码：1767-1774

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：蚁群优化算法是解决机器人路径规划问题的有效方式。首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径。针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题。该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间。该算法旨在利用负反馈来改善解的多样性,从而获得最优路径。实验结果验证所提改进算法在路径规划问题上有明显优势。

关 键 词：机器人路径规划 蚁群算法 负反馈机制  复杂环境

分 类 号：TP24]