文章详情
| 稿件标题： | 基于强化蚁群算法的机器人路径规划研究 |
| 稿件作者： | 陈丹凤,雷昊,刘俊朗,何俊 |
| DOI： | 10.11809/bqzbgcxb2023.06.033 |
| 科学编辑： | 邓宗才 博士（ 北京工业大学教授 |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 路径规划；强化学习；蚁群算法；参数优化；人工势场算法 |
| 文章摘要： | 针对蚁群算法在最优路径搜索过程中，存在参数选择过程随机性强、依赖经验值、收敛速度慢、且不同参数组合影响算法的收敛速度等问题，提出一种基于强化学习和人工势场改进的蚁群算法。首先，利用强化学习对蚁群算法的参数进行智能参数配置，即强化蚁群算法。其次，基于强化蚁群算法，引入人工势场算法的局部优化机制，针对不同维度的栅格地图进行局部路径再规划。过程中，强化蚁群算法通过对具体环境下参数的智能配置，解决参数选择过程复杂随机且依赖经验值的问题，并提升算法的收敛速度；人工势场算法的引入，通过减少局部路径的拐点数目，提升算法避障能力，实现更快更平稳的路径规划效果。结果显示,在不同维度的障碍物环境中，改进的蚁群算法都能以较快的收敛速度和较少的迭代次数搜索到最优路径，且针对高维复杂障碍物环境中的路径规划问题，改进的算法在收敛速度、迭代次数、避障能力以及路径平滑程度方面表现出更加明显的优势。本文中所提思想有望进一步扩展和推广到实际路径规划问题中，具有重要的实用意义和工程价值。 |
| 引用本文格式： | 陈丹凤,雷昊,刘俊朗,等.基于强化蚁群算法的机器人路径规划研究［J］.兵器装备工程学报，2023，44(6)：239-245,303. CHEN Danfeng, LEI Hao, LIU Junlang, et al.Research on robot path planning based on reinforced ant colony optimization［J］.Journal of Ordnance Equipment Engineering，2023，44(6)：239-245,303. |
| 刊期名称： | 2023年06期 |
| 出版时间： | 2023年6月 |
| 上线时间： | 2023年6月28日 |
| 浏览次数： | 1830 |
| 下载次数： | 87 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |