文献类型：期刊文章

作　　者：刘永建[1] 曾国辉[1] 黄勃[1] 李晓斌[2]

LIU Yongjian;ZENG Guohui;HUANG Bo;LI Xiaobin(School of Electronic and Electrical Engineering,Shanghai University of Engineering Science,Shanghai 201620,China;School of Electrical and Electronic Engineering,Shanghai Institute of Technology,Shanghai 200235,China)

机构地区：[1]上海工程技术大学电子电气工程学院,上海201620 [2]上海应用技术大学电气与电子工程学院,上海200235

出　　处：《电子科技》

基　　金：国家自然科学基金(61603242);江西省经济犯罪侦查与防控技术协同创新中心开放课题(JXJZXTCX-030);机械电子工程学科建设项目(2018xk-A-03)~~

年　　份：2020

卷　　号：33

期　　号：1

起止页码：13-18

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、RCCSE、普通刊

摘　　要：针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。

关 键 词：蚁群算法 A*算法 机器人 启发因子  信息素挥发因子  路径规划

分 类 号：TP242.6]