基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

doi:10.13196/j.cims.2019.07.017

计算机集成制造系统 ›› 2019, Vol. 25 ›› Issue (第7): 1767-1774.DOI: 10.13196/j.cims.2019.07.017

基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

白建龙¹,陈瀚宁¹,胡亚宝¹,何茂伟¹,梁晓丹¹,PARK Dongwon²

1.天津工业大学计算机科学与软件学院
2.韩国培材大学游戏工程学院

出版日期:2019-07-31 发布日期:2019-07-31
基金资助:
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。

Ant colony algorithm based on negative feedback and its application on robot path planning

Online:2019-07-31 Published:2019-07-31
Supported by:
Project supported by the National Natural Science Foundation,China(No.61772365),the Tianjin Municipal Science & Technology Plan,China(No.17ZLZXZF00310),the National Key Research and Development Plan,China(No.2017YFB1103003),and the 2017 International Academic Exchange Fund of Korean Research Consortium(NRF),Korea.

摘要/Abstract

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

Abstract: Ant colony optimization algorithm is an effective way to solve the problem of robot path planning.The grid was used to model the scene,and then the ant colony algorithm was used to find the optimal path in a simple environment or a complex environment.Aiming at the problem that the enhanced ant colony algorithms were easy to fall into the local optimal solution in complex environment,an improved ant colony algorithm with negative feedback mechanism was designed to solve the problem of robot path planning.Through the searching history information and the failure experience,the ant colony in the optimization process was guided to explore the unknown space.The proposed algorithm was designed to improve the diversity of solutions by using negative feedback to obtain the optimal path.The exam showed the obvious advantage of the proposed algorithm on path planning problem.

Key words: robot path planning, ant colony algorithm, negative feedback mechanism, complex environment

中图分类号:

TP24

白建龙,陈瀚宁,胡亚宝,何茂伟,梁晓丹,PARK Dongwon. 基于负反馈机制的蚁群算法及其在机器人路径规划中的应用[J]. 计算机集成制造系统, 2019, 25(第7): 1767-1774.

[1]	徐兴,钱誉钦,赵芸,张云,陈小依,吕晓姝. 基于改进蚁群算法的立体仓库三维空间路径优化[J]. 计算机集成制造系统, 2021, 27(1): 207-214.
[2]	张玉茹,王晨旸. 引入变异算子的改进贪心和蚁群混合算法[J]. 计算机集成制造系统, 2020, 26(第3): 860-870.
[3]	徐小斐,陈婧,饶运清,孟荣华,袁博,罗强. 迁移蚁群强化学习算法及其在矩形排样中的应用[J]. 计算机集成制造系统, 2020, 26(12): 3236-3247.
[4]	周翔,许茂增,吕奇光,李丹. 基于客户点行政地址的自提点选址—路径优化[J]. 计算机集成制造系统, 2019, 25(第8): 2069-2078.
[5]	黎继子,张念,刘春玲. 基于全渠道设计的众包供应链订单生产决策优化[J]. 计算机集成制造系统, 2019, 25(第5): 1248-1258.
[6]	陈友玲,刘舰,凌磊,王龙. 基于协同效应的并行制造云服务组合算法[J]. 计算机集成制造系统, 2019, 25(第1): 137-146.
[7]	范厚明,杨翔,李荡,李阳,刘鹏程,吴嘉鑫. 基于生鲜品多中心联合配送的半开放式车辆路径问题[J]. 计算机集成制造系统, 2019, 25(第1): 256-266.
[8]	贺德强,罗安,邓建新,谭文举. 列车转向架关键部件预防性维修决策优化模型[J]. 计算机集成制造系统, 2018, 24(第5): 1155-1161.
[9]	黄学文,张晓彤,艾亚晴. 基于蚁群算法的多加工路线柔性车间调度问题[J]. 计算机集成制造系统, 2018, 24(第3): 558-569.
[10]	杨玮,刘江,高贺云. 堆垛机式密集仓储系统复合作业三维空间路径优化[J]. 计算机集成制造系统, 2017, 23(第7期): 1552-1560.
[11]	王豆,邵晓东,刘焕玲,葛晓波. 基于混合算法的反射面天线面板装配序列规划[J]. 计算机集成制造系统, 2017, 23(第6期): 1243-1252.
[12]	王磊,郭顺生,李西兴,杜百岗,彭兆. 基于改进蚁群算法的多主体制造资源配置冲突协调方法[J]. 计算机集成制造系统, 2017, 23(第12): 2561-2570.
[13]	李军军,许波桅,杨勇生,吴华锋. 多自动导引车路径规划的诱导蚁群粒子群算法[J]. 计算机集成制造系统, 2017, 23(第12): 2758-2767.
[14]	郑炜,王时龙,康玲,易力力,高波,郭亮. 基于双层蚁群算法的云制造服务组合研究[J]. 计算机集成制造系统, 2017, 23(第10): 2269-2278.
[15]	杨翔,范厚明,张晓楠,李阳. 基于模糊时间窗的多中心开放式车辆路径问题[J]. 计算机集成制造系统, 2016, 22(第7期): 1768-1778.

基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

Ant colony algorithm based on negative feedback and its application on robot path planning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics