文献类型：期刊文章

作　　者：肖金壮[1] 余雪乐[1] 周刚[1] 孙可可[1] 周振[1]

Xiao Jinzhuang;Yu Xuele;Zhou Gang;Sun Keke;Zhou Zhen(College oj Electronic Information Engineering,Hebei University,Baoding 071000,China)

机构地区：[1]河北大学电子信息工程学院,保定071000

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(62103127);河北省自然科学基金(F2020201048);中央地方引导科技发展专项(19941822G)项目资助。

年　　份：2022

卷　　号：43

期　　号：3

起止页码：277-285

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。

关 键 词：路径规划 蚁群算法 AGV B样条平滑  

分 类 号：TH166] TP242]